Modelo de cumplimiento de promesa de pago en el B.C.S: Un problema de clasificación binaria con XGBoost
El presente documento describe el modelo de machine learning elaborado como proyecto de pasantía en el Banco Caja Social (B.C.S). El objetivo del modelo fue identificar a clientes en mora que, habiendo aceptado una oferta de pago, efectivamente cumplieron con sus compromisos de pago. Para ello, se u...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/34688
- Acceso en línea:
- http://hdl.handle.net/11349/34688
- Palabra clave:
- XGBoost
Aprendizaje automático
Matematicas
Modelo Matemático
Aprendizaje estadístico
Clasificación binaria
Matemáticas -- Tesis y disertaciones académicas
Machine learning
XGBoost
Clientes en mora
Sector financiero
Binary classification
Machine learning
XGBoost
Mathematics
Mathematical model
Statistical learning
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
| Summary: | El presente documento describe el modelo de machine learning elaborado como proyecto de pasantía en el Banco Caja Social (B.C.S). El objetivo del modelo fue identificar a clientes en mora que, habiendo aceptado una oferta de pago, efectivamente cumplieron con sus compromisos de pago. Para ello, se utilizó el algoritmo XGBoost, cuyo funcionamiento se estudió y se explica en este trabajo desde su parte intuitiva hasta su formalización matemática. Además, se presenta la implementación del modelo en el lenguaje de programación Python. Este trabajo presenta los resultados obtenidos y la aplicabilidad del algoritmo para casos de uso en el sector financiero. |
|---|