Predicción de incumplimiento de pago de clientes de tarjetas de crédito, con aplicación del algoritmo del k-vecino más cercano y Clas- FriedmanAligned-ST

Published in: Global Partnerships for Development and Engineering Education: Proceedings of the 15th LACCEI International Multi-Conference for Engineering, Education and Technology
Date of Conference: July 19-21, 2017
Location of Conference: Boca Raton, FL, United States
Authors: José Sulla-Torres, MS. (Universidad Católica de Santa María, PE)
Luis Niebles, (Universidad Católica de Santa María, PE)
Rodrigo Velarde, (Universidad Católica de Santa María, PE)
Full Paper: #329

Abstract:

Las compañías que otorgan tarjetas de crédito a clientes se enfrentan a algunos problemas como es la falta de pago, es por eso que las compañías necesitan controlar tales deudas, de manera que se minimice el riesgo de recuperación de la inversión, a consecuencia de clientes deudores. En este artículo usaremos el algoritmo de aprendizaje perezoso KNN, con el método de evaluación estadístico Clas- FriedmanAligned-ST, que nos ayude a predecir el grado de incumplimiento de pago, con el objetivo de optimizar, y mejorar la predicción realizada por algoritmos de minería de datos. La base de datos utilizada para este trabajo contiene 30000 registros, cada uno definido por 25 atributos, de tal cantidad se tomó una muestra significativa de 5439 instancias, con 24 campos. Se desarrolla un modelo de procesamiento de datos, se hace la discusión de los resultados obtenidos; y se concluye con los beneficios de aplicación de computación evolutiva