Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.14076/17949
Title: Minería de datos aplicación a la fiabilidad crediticia
Authors: Venegas Palacios, Edgard Kenny
Kahn Casapía, Joseph Luis
Keywords: Minería de datos;Métodos bayesiano;Redes neuronales artificiales
Issue Date: Dec-2015
Publisher: Universidad Nacional de Ingeniería
Citation: Venegas Palacios, E. & Kahn Casapía, J. (2015). Minería de datos aplicación a la fiabilidad crediticia. REVCIUNI, 18(1).
Series/Report no.: Volumen;18
Número;1
Abstract: Los modelos de clasificación en Minería de Datos, enfocados a predecir si un cliente de un banco es fiable o no para recibir un crédito, presentan un score y precisión con entrenamiento simple para RL: 0.21% y 0.79%, NB: 0.74% y 0.76%, AD: 0.70% y 0.69%, RNA: 0.74% y 0.73%, con entrenamiento cruzado para R.L: 0.20% y 0.79%, NB: 0.73% y 0.72%, AD: 0.68% y 0.72%, RNA: 0.73% y 0.75%. Además de utilizar RL para encontrar relaciones entre las variables de la base de datos disponible.
Classification models in Data Mining, focused on predicting whether a customer of a bank is reliable or not for credit, have a score and accuracy with simple training for RL: 0.21% and 0.79%, NB: 0.74% and 0.76%, AD: 0.70% and 0.69%, RNA: 0.74% and 0.73%, cross training RL: 0.20% and 0.79%, NB: 0.73% and 0.72%, AD: 0.68% and 0.72%, RNA: 0.73% and 0.75%. In addition to using RL to find relationships between variables of the database available.
URI: http://hdl.handle.net/20.500.14076/17949
ISSN: 1813 – 3894
E-mail: kenny@imca.edu.pe
jkahn@uni.pe
Rights: info:eu-repo/semantics/restrictedAccess
Appears in Collections:Vol. 18 Núm. 1 (2015)

Files in This Item:
File Description SizeFormat 
REVCIUNI_Vol18-n1-Art.7.pdf1,09 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons

Indexado por:
Indexado por Scholar Google LaReferencia Concytec BASE renati ROAR ALICIA RepoLatin UNI