Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/19893
Título : | Modelo de Scoring para crédito de consumo en la Cooperativa de Ahorro y Crédito “Minga” Ltda utilizando técnicas de Machine Learning |
Autor : | Cepeda Guaminga, Ana Elizabeth |
Director(es): | Pérez Londo, Natalia Alexandra |
Tribunal (Tesis): | Aguilar Reyes, Johanna Enith |
Palabras claves : | MODELO SCORING;CRÉDITO DE CONSUMO;MACHINE LEARNING;ÁRBOLES DE DECISIÓN;ALGORITMO RANDOM FOREST;SOFTWARE ESTADÍSTICO R |
Fecha de publicación : | 10-nov-2022 |
Editorial : | Escuela Superior Politécnica de Chimborazo |
Citación : | Cepeda Guaminga, Ana Elizabeth. (2022). Modelo de Scoring para crédito de consumo en la Cooperativa de Ahorro y Crédito “Minga” Ltda utilizando técnicas de Machine Learning. Escuela Superior Politécnica de Chimborazo. Riobamba |
Identificador : | UDCTFC;226T0122 |
Abstract : | The objective of the research has been to create a scoring model for the savings and credit cooperative "MINGA" Ltd, which allows the efficient choice of the consumer credit client. For this study, the information has been obtained directly from the cooperative and the analysis has been done with a database of 15108 records. Subsequently, a model was established and good and bad customers were defined based on days past due. For this, the data has been prepared, so the data set has been reduced to 9065 records and 14 variables were considered. Once the information was ready, it has been applied in the modeling of Machine Learning techniques by using the decision tree method, with the Random Forest algorithm based on bibliographic recommendations, training it with 100, 500 and 1000 trees, with and without selection of variables, with and without categorization of qualitative variables. The results aimed to demonstrate the comparison of the precision of the models that were applied in the study, evidencing as the winner model 2 with 13 variables, with selection of characteristics, without categorization of the qualitative variables with 500 trees and an accuracy of 97.85%, having an error rate of 2.15%. Concluding that a good payer has a score greater than or equal to 600, income of 1000, and expenditure of 250 dollars, between 25 and 40 years of age, it is recommended including new categories in the class. |
Resumen : | El objetivo de la investigación ha planteado crear un modelo scoring para la cooperativa de ahorro y crédito “MINGA” LTDA, que permita la elección eficiente del cliente de crédito de consumo. Para este estudio, se ha obtenido la información directamente de la cooperativa y se ha efectuado el análisis con una base de datos de 15108 registros. Posteriormente, fue establecido un modelo y se definió a los clientes buenos y malos en función a los días de mora. Para ello, se han preparado los datos, por lo que se ha reducido el conjunto de datos a 9065 registros y fueron trabajadas 14 variables. Una vez preparada la información se ha procedido a aplicarla en el modelado de técnicas de Machine Learning utilizando el método de árboles de decisión, con el algoritmo Random Forest por recomendaciones bibliográficas, entrenándolo con 100, 500 y 1000 árboles, con selección y sin selección de variables, con y sin categorización de las variables cualitativas. Los resultados apuntaron a demostrar la comparación de la precisión de los modelos que se aplicaron en la investigación, evidenciando como ganador al modelo 2 con 13 variables, con selección de características, sin categorización de las variables cualitativas con 500 árboles y una precisión del 97.85%, teniendo una tasa de error del 2.15%. Concluyendo que un buen pagador tiene score mayor o igual a 600, ingreso de 1000, y egreso de 250 dólares, entre 25 y 40 años, recomendando incluir nuevas categorías en la clase. |
URI : | http://dspace.espoch.edu.ec/handle/123456789/19893 |
Aparece en las colecciones: | Ingeniero en Estadística Informática; Ingeniero/a Estadístico/a |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
226T0122.pdf | 786,33 kB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons