Uma análise experimental de algoritmos de aprendizado de máquina baseados em árvore de decisão para previsão de score de crédito (2023)
- Authors:
- Autor USP: BARAZETTI, EZEQUIEL - ICMC
- Unidade: ICMC
- Subjects: APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS; INTELIGÊNCIA ARTIFICIAL
- Keywords: Árvore de decisão; Previsão de score de crédito; Análise experimental
- Language: Português
- Abstract: A análise experimental de algoritmos de aprendizado de máquina baseados em árvore de decisão para previsão de score de crédito, apresentam a característica de serem in terpretáveis, podendo oferecer explicação sobre suas decisões, o que pode ser visto com insights. Uma análise exploratória utilizando diferentes algoritmos de aprendizado de máquina baseados na construção de árvores de decisão, busca determinar qual modelo apresenta melhor desempenho na previsão de scores de crédito de indivíduos. Diante disso, por meio de experimentos controlados e análises comparativas, essa pesquisa examina a capacidade de cada um dos algoritmos utilizados baseados em árvore de decisão, em lidar com complexidades, detectar padrões e generalizar informações a partir dos dados históricos de crédito. Ao considerar métricas de avaliação como acurácia, F1-score e taxa de erro total, a análise experimental contribui para uma seleção informada do algoritmo mais adequado à previsão de score de crédito, oferecendo um subsídio valioso para que as instituições financeiras otimizem suas decisões de concessão de crédito. Sendo assim, este trabalho apresenta os resultados da análise experimental realizada em um conjunto de dados público, disponibilizado na plataforma Kaggle, empregando os algoritmos Decision Tree, Randon Forest e XGBoost. Após o treinamento dos modelos, que envolveu a utilização de dados tanto balanceados quanto desbalanceados e a realização dos devidos ajustes nos hiperparâmetros, o algoritmo que apresentou melhor desempenho foi o XgBoost.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
-
ABNT
BARAZETTI, Ezequiel. Uma análise experimental de algoritmos de aprendizado de máquina baseados em árvore de decisão para previsão de score de crédito. 2023. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2023. Disponível em: https://bdta.abcd.usp.br/directbitstream/e777fb6b-2e02-4352-8c0b-06a832afaf44/Ezequiel%20Barazetti.pdf. Acesso em: 24 mar. 2025. -
APA
Barazetti, E. (2023). Uma análise experimental de algoritmos de aprendizado de máquina baseados em árvore de decisão para previsão de score de crédito (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/e777fb6b-2e02-4352-8c0b-06a832afaf44/Ezequiel%20Barazetti.pdf -
NLM
Barazetti E. Uma análise experimental de algoritmos de aprendizado de máquina baseados em árvore de decisão para previsão de score de crédito [Internet]. 2023 ;[citado 2025 mar. 24 ] Available from: https://bdta.abcd.usp.br/directbitstream/e777fb6b-2e02-4352-8c0b-06a832afaf44/Ezequiel%20Barazetti.pdf -
Vancouver
Barazetti E. Uma análise experimental de algoritmos de aprendizado de máquina baseados em árvore de decisão para previsão de score de crédito [Internet]. 2023 ;[citado 2025 mar. 24 ] Available from: https://bdta.abcd.usp.br/directbitstream/e777fb6b-2e02-4352-8c0b-06a832afaf44/Ezequiel%20Barazetti.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Ezequiel Barazetti.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
