Modelos de Random Forest y XGBoost en Finanzas
20 Questions
0 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

¿Cuál es uno de los modelos aplicados en el estudio para otorgar tarjetas de crédito?

  • Random Forest (correct)
  • Árboles de Decisión
  • Redes Neuronales
  • Máquinas de Soporte Vectorial
  • El aprendizaje automático implica que las computadoras no pueden aprender sin programación explícita.

    False

    ¿Cuál es la edad mediana de los solicitantes según la variable 'Edad'?

  • 28.46 años (correct)
  • 13.75 años
  • 100.00 años
  • 80.25 años
  • ¿Qué lenguaje de programación se utiliza en el estudio para el análisis de datos?

    <p>R</p> Signup and view all the answers

    El _____ permite a las instituciones financieras tomar decisiones precisas sobre la concesión de tarjetas de crédito.

    <p>aprendizaje automático</p> Signup and view all the answers

    El ingreso máximo reportado por los solicitantes es de $100,000 dólares australianos.

    <p>True</p> Signup and view all the answers

    Relaciona los términos con su descripción:

    <p>Random Forest = Modelo de aprendizaje de conjunto XGBoost = Algoritmo optimizado para rendimiento Aprendizaje automático = Computadoras que aprenden sin programación explícita Estadística = Disciplina que estudia la recolección y análisis de datos</p> Signup and view all the answers

    ¿Cuál es el mínimo de ingresos reportados por los solicitantes?

    <p>$0 dólares australianos</p> Signup and view all the answers

    La mayoría de los solicitantes tienen calificaciones ______.

    <p>bajas</p> Signup and view all the answers

    Relaciona las siguientes variables con sus estadísticas:

    <p>Edad = 13.75 años - 80.25 años Ingreso = $0 - $100,000.00 dólares australianos Calificaciones = Alta concentración en bajas Valores extremos = Proporción regular</p> Signup and view all the answers

    ¿Cuál es la variable con mayor porcentaje de nulos?

    <p>Código postal</p> Signup and view all the answers

    El estado civil tiene la menor cantidad de registros con nulos.

    <p>True</p> Signup and view all the answers

    ¿Cuántos registros caen en la categoría 'cc' para el nivel educativo?

    <p>137</p> Signup and view all the answers

    Para la variable 'Nacionalidad', hay un total de __________ nulos.

    <p>9</p> Signup and view all the answers

    Asocia las variables con la cantidad de registros

    <p>Estado civil = 6 nulos Nivel educativo = 681 registros Entidad bancaria = 6 nulos Género = 1.74 % nulos</p> Signup and view all the answers

    ¿Cuál de los siguientes algoritmos se aplicaron para entrenar los modelos?

    <p>Random Forest</p> Signup and view all the answers

    Las variables normalizadas en la base de datos siguen una distribución normal.

    <p>False</p> Signup and view all the answers

    ¿Qué se entiende por 'base limpia' en el contexto del modelado?

    <p>Una base de 677 registros después de aplicar acciones de entrenamiento y validación.</p> Signup and view all the answers

    Se dividió la __________ en dos partes para la etapa de modelado.

    <p>base limpia</p> Signup and view all the answers

    Relaciona los modelos con sus características:

    <p>Random Forest = Modelo basado en árboles XGBoost = Modelo optimizado de boosting Normalización = Ajuste de variables a una escala común Curvas ROC = Evaluación de la precisión de los modelos</p> Signup and view all the answers

    Study Notes

    Aplicación de algoritmos Random Forest y XGBoost en una base de solicitudes de tarjetas de crédito

    •  El artículo analiza la aplicación de los algoritmos Random Forest y XGBoost para predecir la probabilidad de otorgamiento de tarjetas de crédito.

    •  Se utilizó una base de datos de solicitudes de tarjetas de crédito proporcionada por un banco australiano.

    •  Se compararon los modelos generados por ambos algoritmos estadísticamente, seleccionando el modelo XGBoost.

    •  Se presentaron los resultados en gráficos que responden a la pregunta de negocio sobre qué solicitudes tienen mayor probabilidad de otorgarse la tarjeta y qué resultados esperar.

    •  El trabajo se enfoca en la aplicación práctica de modelos, destacando las solicitudes óptimas en base a la información de la base de datos.

    •  Los algoritmos utilizados son Random Forest y XGBoost, ambos populares por su balance entre complejidad y resultados. XGBoost, en particular, es considerado estado del arte.

    •  El artículo aplica estas técnicas de machine learning a un caso de negocio (financiero), para selección de clientes de tarjetas de crédito.

    •  El estudio busca identificar las solicitudes con mayor probabilidad de ser aprobadas.

    •  Se utilizaron datos proporcionados por un banco australiano para el estudio.

    •  Las variables analizadas incluyen características de los solicitantes, como género, edad, saldo, etc.

    •  Se utilizaron técnicas de aprendizaje automático supervisado.

    •  Se seleccionó el modelo XGBoost por su mejor desempeño estadístico comparado con el de Random Forest.

    •  Los resultados del modelo se presentan en gráficos que facilitan la interpretación de negocios.

    Studying That Suits You

    Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

    Quiz Team

    Description

    Este artículo explora la aplicación de algoritmos de machine learning, como Random Forest y XGBoost, para predecir el otorgamiento de tarjetas de crédito a partir de datos de un banco australiano. Se comparan los resultados de ambos modelos y se presenta una visualización que ayuda a entender mejor las solicitudes de tarjetas con alta probabilidad de aprobación.

    More Like This

    Use Quizgecko on...
    Browser
    Browser