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 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.

• 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
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional