Analise comparativa de tecnicas de machine learning para avaliacao de risco de credito

Abstract

Resumo: A predição do comportamento dos clientes no mercado de crédito tem sido uma área importante na pesquisa de algoritmos de machine learning nos últimos anos. O crescimento exponencial nos dados gerados pelos clientes desafia os métodos tradicionais de previsão a absorverem cada vez mais informações para os modelos. O objetivo deste trabalho é comparar dois métodos de machine learning: redes neurais artificiais e support vector machines, visando identificar qual apresenta melhor desempenho na previsão de inadimplência de clientes. Ademais, esta pesquisa propõe comparar diferentes arquiteturas nos métodos testados para buscar a melhor organização. Por fim, os resultados são avaliados por meio de indicadores de performance, como acurácia, a eficiência dos modelos depende dos parâmetros escolhidos para cada método, variando entre 84,49% e 99,69%

Abstract: The prediction of customers behavior in credit market has been an interesting area in the research of machine learning algorithms in recent years. In addition, the exponential growth in customer-generated data challenges traditional forecasting methods to absorb more information into models. Furthermore, this work proposes to compare two powerful machine learning algorithms, known as, Artficial Neural Networks and support vector machines Identify which has the best performance in predicting customer default. Furthermore, this work proposes to compare different architectures in the tested models in order to find the best organization. Finally, the results are evaluated using performance indicators such as accuracy, the efficiency of the models depends on the parameters chosen for each algorithm, ranging from 84,49% e 99,69%