• Mi Re-Unir
    Búsqueda Avanzada
    JavaScript is disabled for your browser. Some features of this site may not work without it.
    Ver ítem 
    •   Inicio
    • TRABAJOS FIN DE MÁSTER
    • Área de Ingeniería y Tecnología
    • Ver ítem
    •   Inicio
    • TRABAJOS FIN DE MÁSTER
    • Área de Ingeniería y Tecnología
    • Ver ítem

    Comparativa de modelos de Machine Learning interpretables para la predicción de riesgo crediticio

    Autor: 
    Ortega-Martín, Sonia
    Fecha: 
    22/07/2021
    Palabra clave: 
    inteligencia artificial; machine learning; interpretabilidad; métricas de interpretabilidad; riesgo crediticio; artificial intelligence; machine learning; interpretability; interpretability metrics; credit risk; Máster Universitario en Inteligencia Artificial
    Tipo de Ítem: 
    masterThesis
    URI: 
    https://reunir.unir.net/handle/123456789/12210
    Open Access
    Resumen:
    Los sistemas de Inteligencia Artificial son ampliamente utilizados e impactan en la vida diaria de las personas de forma creciente, en gran medida debido al avance en Machine Learning y su alta precisión. Los modelos suelen ser opacos y dificultan el entendimiento de su lógica. Su interpretabilidad se hace más necesaria, sobre todo en dominios de alto riesgo. Este trabajo se ha centrado en el dominio financiero, en la tarea predicción de riesgo crediticio, sobre el conjunto de datos de solicitudes de crédito con garantía hipotecaria (HELOC). Se han planteado distintos modelos y aplicado técnicas para obtener modelos interpretables. Se han definido métricas de interpretabilidad, que permiten la comparativa de modelos atendiendo a criterios de interpretabilidad y no únicamente de precisión. Los resultados obtenidos muestran que la elección de un modelo no solo debe estar basado en la precisión, sino que debe mantener un equilibrio entre precisión e interpretabilidad.
    Descripción: 
    Artificial Intelligence systems are widely used and are increasingly impacting people's daily lives, largely due to advances in Machine Learning and their high accuracy. Models are often opaque and make it difficult to understand their logic. Their interpretability becomes more necessary, especially in high-risk domains. This work has focused on the financial domain, in the task of credit risk prediction, on the data set of home equity loan applications (HELOC). Different models have been proposed and techniques have been applied to obtain interpretable models. Interpretability metrics have been defined, which allow the comparison of models based on interpretability criteria and not only on accuracy. The results obtained show that the choice of a model should not only be based on accuracy, but should also maintain a balance between accuracy and interpretability.
    Mostrar el registro completo del ítem
    Ficheros en el ítem
    icon
    Nombre: Ortega Martín, Sonia.pdf
    Tamaño: 1.821Mb
    Formato: application/pdf
    Ver/Abrir
    Este ítem aparece en la(s) siguiente(s) colección(es)
    • Área de Ingeniería y Tecnología

    Estadísticas de uso

    Año
    2012
    2013
    2014
    2015
    2016
    2017
    2018
    2019
    2020
    2021
    2022
    Vistas
    0
    0
    0
    0
    0
    0
    0
    0
    0
    84
    639
    Descargas
    0
    0
    0
    0
    0
    0
    0
    0
    0
    50
    320

    Ítems relacionados

    Mostrando ítems relacionados por Título, autor o materia.

    • Psychometric properties and validation of a four-item version of the Strauss-Carpenter scale in bipolar disorder 

      Alberich, Susana; Barbeito, Sara (1); González-Ortega, Itxaso; Ugarte, Amaia; Vega, Patricia; Ruiz de Azúa, Sonia; López, Purificación; Zorrilla, Inaki; González-Pinto, Ana (International Journal of Bipolar Disorders, 10/2016)
      Background: Bipolar disorder is a chronic illness that impairs functioning and affects the quality of life of patients. The onset of this illness usually occurs at an early age, and the risk of relapse remains high for ...
    • Evaluación a 2 años de un programa psicoeducativo multifamiliar (PROTEC) en la carga familiar y el pronóstico de pacientes bipolares 

      Barbeito, Sara (1); Vega, Patricia; Ruiz de Azúa, Sonia; González-Ortega, Itxaso; Alberich, Susana; González-Pinto, Ana (Ediciones Doyma, S.L., 2021)
      Introducción El trastorno bipolar produce una carga importante en la vida de los pacientes y sus familiares. La familia es una de las dianas para la intervención terapéutica, que se ha encontrado que se relaciona con el ...
    • Effects of Cognitive-Behavioral techniques on hot flushes, depression and anxiety related to menopause in Spanish women 

      Larroy García, Cristina; Marín Martín, Carolina; Gutiérrez Gómez-Calcerrada, Sonia (1) (Wulfenia, 03/2015)
      Background: Menopause is associated with a wide variety of physical and psychological symptoms. The main complaints are focused on those related to vasomotor symptoms (hot flushes). Correlation among hot flushes, depression ...

    Mi cuenta

    AccederRegistrar

    ¿necesitas ayuda?

    Manual de UsuarioAutorización TFG-M

    Listar

    todo Re-UnirComunidades y coleccionesPor fecha de publicaciónAutoresTítulosPalabras claveTipo documentoTipo de accesoEsta colecciónPor fecha de publicaciónAutoresTítulosPalabras claveTipo documentoTipo de acceso






    Aviso Legal Política de Privacidad Política de Cookies Cláusulas legales RGPD
    © UNIR - Universidad Internacional de La Rioja
     
    Aviso Legal Política de Privacidad Política de Cookies Cláusulas legales RGPD
    © UNIR - Universidad Internacional de La Rioja