Consumer lending business: Revisão de técnicas de machine learning (2024)
- Authors:
- Autor USP: AGUIAR, ÍCARO ALMEIDA - ICMC
- Unidade: ICMC
- Subjects: BIG DATA; APRENDIZAGEM PROFUNDA
- Keywords: Modelos financeiros
- Language: Português
- Abstract: Este trabalho examina o uso de vários modelos de Machine Learning (ML) e Deep Learning (DL) para avaliar sua eficácia na previsão de scores de crédito, utilizando um conjunto de dados público baseado na população alemã. A pesquisa aborda lacunas na literatura existente ao analisar o impacto de diferentes hiperparâmetros e características no desempenho dos modelos, focando em métricas como AUC, acurácia e MAPE. Também discute a importância da seleção de características para evitar vazamento de dados nos modelos de scoring de crédito, garantindo a aplicabilidade dos modelos em cenários do mundo real. A análise utiliza o conjunto de dados de crédito alemão, que, apesar de seu uso comum em estudos anteriores, oferece potencial adicional para explorar o ajuste fino de modelos de Machine Learning. Este estudo avalia cuidadosamente a relevância de várias características no conjunto de dados, especialmente aquelas que podem não estar disponíveis no momento da avaliação de crédito, como o valor do crédito. Ao excluir tais características do treina- mento do modelo, a pesquisa busca criar modelos que sejam mais práticos para aplicações do mundo real, onde nem todas as informações podem estar disponíveis antecipadamente.Os resultados sugerem que, enquanto estudos anteriores incluíram todas as características disponíveis, o que potencialmente leva a vieses, a abordagem deste estudo de seleção cuidadosa de características e ajuste de hiperparâmetros produz modelos que apresentam bom desempenho em métricas tradicionais e são mais aplicáveis a situações do mundo real. Esta pesquisa contribui para o desenvolvimento de sistemas de scoring de crédito mais confiáveis e oferece insights sobre a aplicação eficaz de técnicas avançadas de Machine Learning e Deep Learning em contextos financeiros.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
AGUIAR, Ícaro Almeida. Consumer lending business: Revisão de técnicas de machine learning. 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/5e5a34a8-ccb4-434a-8219-dfb77a73ea4c/%C3%8Dcaro_Almeida_Aguiar.pdf. Acesso em: 17 mar. 2025. -
APA
Aguiar, Í. A. (2024). Consumer lending business: Revisão de técnicas de machine learning (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/5e5a34a8-ccb4-434a-8219-dfb77a73ea4c/%C3%8Dcaro_Almeida_Aguiar.pdf -
NLM
Aguiar ÍA. Consumer lending business: Revisão de técnicas de machine learning [Internet]. 2024 ;[citado 2025 mar. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/5e5a34a8-ccb4-434a-8219-dfb77a73ea4c/%C3%8Dcaro_Almeida_Aguiar.pdf -
Vancouver
Aguiar ÍA. Consumer lending business: Revisão de técnicas de machine learning [Internet]. 2024 ;[citado 2025 mar. 17 ] Available from: https://bdta.abcd.usp.br/directbitstream/5e5a34a8-ccb4-434a-8219-dfb77a73ea4c/%C3%8Dcaro_Almeida_Aguiar.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Ícaro_Almeida_Aguiar.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
