Avaliação de modelos de IA no contexto de credit scoring (2024)
- Authors:
- Autor USP: BARRETO, BRUNO SOARES DE MELO - ICMC
- Unidade: ICMC
- Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; CLASSIFICAÇÃO
- Keywords: credit scoring
- Language: Português
- Abstract: O mercado de crédito de crédito no Brasil representa um importante meio de fornecer poder de compra para clientes e, para isso, os modelos de credit scoring são importantes para entender a probabilidade de uma pessoa pagar ou não a futura dívida. O propósito do presente trabalho é avaliar algoritmos de inteligência artificial de classificação em quatro bases diferentes com o intuito de entender o desempenho deles em cada um dos cenários. Os modelos escolhidos foram: regressão logística, random forest, LightGBM, XGBoost e Convolutional Neural Networks (CNN), outro objetivo do estudo é entender se a CNN é razoável para o tema. Para isso, foi realizado uma coleta das bases de dados, após isso um pré-processamento dos dados, com utilização de normalização e modelos para balanceamento dos dados, em seguida acontece o desenvolvimento dos modelos e, por fim, a avaliação dos resultados através de três métricas, que são: AUC (Area under the ROC Curve), F1-Score e acurácia, utilizando a multiplicação das colocações para ordenar o desempenho dos algoritmos. Com isso, ao reunir as posições em cada base, foi possível fazer uma análise geral. O estudo mostra que não houve domínio de um algoritmo em todas as análises, porém o Random Forest demonstrou melhor desempenho em três das quatro bases, e na restante foi a regressão logística. Apesar disso, houve uma aplicação de teste de Wilcoxon signed-rank e foi possível concluir que não há diferença estatisticamente conclusiva entre o desempenho dos modelos. Além disso, foi possível observar que o uso da CNN é razoável para o contexto de credit scoring, performando de forma similar aos modelos tradicionais, sendo um estudo em potencial se aprofundar sobre a composição de modo a otimizar os resultados.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
BARRETO, Bruno Soares de Melo. Avaliação de modelos de IA no contexto de credit scoring. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/21a729cf-b06e-4e8b-82d1-f259ca94b8e9/Bruno_Soares_de_Melo_Barreto.pdf. Acesso em: 27 mar. 2025. -
APA
Barreto, B. S. de M. (2024). Avaliação de modelos de IA no contexto de credit scoring (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/21a729cf-b06e-4e8b-82d1-f259ca94b8e9/Bruno_Soares_de_Melo_Barreto.pdf -
NLM
Barreto BS de M. Avaliação de modelos de IA no contexto de credit scoring [Internet]. 2024 ;[citado 2025 mar. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/21a729cf-b06e-4e8b-82d1-f259ca94b8e9/Bruno_Soares_de_Melo_Barreto.pdf -
Vancouver
Barreto BS de M. Avaliação de modelos de IA no contexto de credit scoring [Internet]. 2024 ;[citado 2025 mar. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/21a729cf-b06e-4e8b-82d1-f259ca94b8e9/Bruno_Soares_de_Melo_Barreto.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Bruno_Soares_de_Melo_Barr... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
