info:eu-repo/semantics/bachelorThesis
Machine Learning para predecir el riesgo crediticio de un cliente en la Empresa FUTECH PERU S.A.C, 2022
Fecha
2022Autor
Yaranga Vite, Italo Paul
Institución
Resumen
En el presente trabajo de investigación se utilizó los modelos de Machine
Learning para predecir el riesgo crediticio de los clientes de una empresa en
estudio, se utilizó la metodología KDD, así mismo herramientas como SPSS
statistic y SPSS Modeler para el uso de los modelos predictivo.
El objetivo de esta investigación es determinar en qué porcentaje Machine
Learning permite predecir el riesgo crediticio de los clientes con precisión,
sensibilidad y especificidad, con el fin de poder identificar a los clientes con
probabilidad de alto o bajo riesgo crediticio.
En esta investigación se utilizó una población de 500 clientes, así mismo se
usó la totalidad de la población como muestra. Por otro lado, el estudio es de
tipo aplicada, con un diseño de investigación experimental de tipo preexperimental de un solo grupo, ya que luego de aplicar Machine Learning se
podrá observar los resultados y realizar la medición.
Como resultado en relación a los indicadores de precisión, sensibilidad y
especificidad para los algoritmos Support Vector Machine,Random
Forest,Naibes Bayes, K Nearest Neighbor, Decision Tree, se valida que
Machine Learning permite predecir el riesgo crediticio de los clientes de la
empresa de estudio, así mismo el algoritmo con mejores resultados para esta
casuística fue Support Vector Machine con un valor de 99,8%.