Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.45.2003.tde-20210729-132841
Documento
Autor
Nome completo
Claudia Ohtoshi
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2003
Orientador
Título em português
Uma comparação de regressão logística, árvores de classificação e redes neurais: analisando dados de crédito
Palavras-chave em português
Análise Multivariada
Resumo em português
Este trabalho tem como finalidade comparar quatro técnicas: Redes Neurais Artificiais, Árvore de Classificação Binária, Real Attribute Learning Algorithm (REAL) e Regressão Logística, aplicadas para definir um modelo de classificação que permita avaliar o risco do cliente de uma dada instituição financeira se tornar inadimplente. Para construção desses modelos foram utilizadas variáveis cadastrais e de utilização, ou seja, são modelos baseados não somente nas características do cliente, mas também no seu perfil de comportamento quanto à utilização de conta-corrente e cheque especial. Tais modelos têm sido utilizados por empresas que concedem crédito massificado, para classificar clientes quanto ao nível de risco e conceder novos créditos ou definir limites em função desse risco. Como resultado do estudo, foi observado que as Redes Neurais Artificiais e a Regressão Logística tiveram acerto superior às demais técnicas
Título em inglês
not available
Resumo em inglês
not available
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2021-07-29