PREDICCIÓN DE APROBACIÓN DE TARJETA DE CRÉDITO

UN CONJUNTO DE DATOS DE TARJETAS DE CRÉDITO PARA MACHINE LEARNING

Tarea: Clasificar a los usuarios de una entidad bancaria sobre el tipo de clientes que pertenecen (buenos pagadores o morosos) usando las bases de datos disponibles en Kaggle.

• Base 1: Contiene información socioeconómica de los clientes (Datos desbalanceados).
• Base 2: Contiene el historial crediticio de cada cliente desde hace 60 meses (Datos desbalanceados). Técnicas Usadas: Debido a que ninguna base contaba con una clase que clasificara a los clientes, se procedió a usar técnicas de aprendizaje no supervisado para encontrar a estos dos grupos (además de un análisis subjetivo a través de la moda), posterior a la obtención de las etiquetas, se construyó los modelos de clasificación para el respectivo análisis.

TECNICAS:

• Aprendizaje No Supervisado (AnS): Agrupación Aglomerativa, Reducción y Agrupación Iterativa Equilibrada Mediante Jerarquías, K – Medias, Modelo de Mezcla Gaussiana.
• Aprendizaje Supervisado (AS): Algoritmos Lineales, No Lineales y Ensamblados