Eficacia de los modelos de aprendizaje de máquina para evaluar el riesgo crediticio de personas naturales en una institución financiera de Chicayo.

Abstract

La presente investigación tuvo como objetivo determinar que los modelos de aprendizaje de máquina evalúan eficazmente el riesgo crediticio de personas naturales de una institución financiera de Chiclayo que el modelo clásico de credit scoring estimado mediante la Regresión Logística. La investigación es de tipo descriptivo explicativo y predictivo para lo cual se trabajó con la metodología CRISP-DM. Para el desarrollo de la investigación se utilizaron los modelos de aprendizaje de maquina tales como, Árboles de Calsificación, Redes Neuronales, Maquinas de Soporte Vectorial y el modelo clásico de la Regresión Logística; la base de datos estuvo contituída por 2464 clientes, de los cuales se utilizó el 70% de la base para el entrenamiento el 30% restante para la validación.