Machine Learning para la estimación de riesgo de crédito de una cartera de consumo
La Inteligencia Artificial ha tenido un impacto significativo en la vida cotidiana de las personas, especialmente debido a los avances en Machine Learning y su alta precisión. Este trabajo tiene como objetivo determinar y comparar la eficacia de los modelos de Machine Learning aplicados a la identif...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/108861 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/108861 |
| Access Level: | acceso abierto |
| Palabra clave: | 004.85 336.77 336 519.2 Machine Learning Riesgo Crediticio Inteligencia Artificial Credit Risk Artificial Intelligence Metodología SEMMA Instituto de Previsión Militar (Honduras) Inteligencia artificial (Informática) Finanzas Estadística 1203.04 Inteligencia Artificial 5312.06 Finanzas y Seguros 1209 Estadística |
| Sumario: | La Inteligencia Artificial ha tenido un impacto significativo en la vida cotidiana de las personas, especialmente debido a los avances en Machine Learning y su alta precisión. Este trabajo tiene como objetivo determinar y comparar la eficacia de los modelos de Machine Learning aplicados a la identificación del riesgo crediticio en la cartera de clientes del Instituto de Previsión Militar. Para ello, se emplearon técnicas de selección de variables y Feature Engineering antes de la modelización, siguiendo la metodología SEMMA. |
|---|