Machine Learning aplicado a estudios de otorgamiento de créditos en presencia del desbalanceo de clases

Simple item page
dc.contributor.advisorOchoa Muñoz, Andrés Felipe
dc.contributor.advisorGarcía Arboleda, Isabel Cristina
dc.contributor.authorGrijalba González, Daniel Felipe
dc.date.accessioned2024-07-29T17:23:05Z
dc.date.available2024-07-29T17:23:05Z
dc.date.issued2024
dc.description.abstractEn el sector bancario, la toma de decisiones sobre la aprobación o rechazo de créditos es crucial para equilibrar la rentabilidad y la gestión de riesgos. Los modelos de Machine Learning (ML) son herramientas útiles en este proceso, aunque enfrentan desafíos como el desbalanceo de clases, que puede afectar la capacidad predictiva y sesgar los resultados hacia la clase dominante. Este trabajo de grado aborda el desbalanceo de clases en el otorgamiento de créditos utilizando modelos de ML aplicados a tres conjuntos de datos públicos de Kaggle con diferentes tasas de otorgamiento. Se evaluaron y compararon técnicas como Oversampling, Undersampling y SMOTE para mejorar la capacidad predictiva y reducir el sesgo, con el fin de optimizar la gestión de riesgos y aumentar la rentabilidad de las instituciones financieras.
dc.description.abstractengIn the banking sector, decision-making on credit approval or rejection is crucial to balance profitability and risk management. Machine Learning (ML) models are useful tools in this process, although they face challenges such as class imbalance, which can affect predictive capacity and bias results towards the dominant class. This degree work addresses class imbalance in credit granting using ML models applied to three public Kaggle data sets with different granting rates. Techniques such as Oversampling, Undersampling and SMOTE were evaluated and compared to improve predictive capacity and reduce bias, in order to optimize risk management and increase the profitability of financial institutions.
dc.format.extent110 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://vitela.javerianacali.edu.co/handle/11522/3633
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.facultyFacultad de Ingeniería y Ciencias
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectSector bancario
dc.subjectOtorgamiento de créditos
dc.subjectMachine Learning (ML)
dc.subjectDesbalanceo de clases
dc.subjectCapacidad predictive
dc.subjectOversampling
dc.subjectUndersampling
dc.subjectSMOTE (Synthetic Minority Over-sampling Technique)
dc.subjectKaggle Banking sector
dc.subjectCredit granting
dc.subjectClass imbalance
dc.subjectPredictive capacity
dc.subjectKaggle
dc.thesis.disciplineFacultad de Ingeniería y Ciencias. Maestría en Ciencia de Datos - Modalidad virtual
dc.thesis.grantorPontificia Universidad Javeriana Cali
dc.thesis.levelMaestría
dc.titleMachine Learning aplicado a estudios de otorgamiento de créditos en presencia del desbalanceo de clasesspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Nota Aceptación Trabajo de Grado - Daniel Grijalba-CR.pdf
Size:
302.61 KB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
Trabajo de Grado - MCD - Daniel Grijalba.pdf
Size:
2.86 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Daniel Grijalba.pdf
Size:
205.97 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos