Spanish
English
Portuguese
French
Italian
Japanese
Korean
German
Russian
Catalan
Ukrainian
undefined
Centro de Posgrado
URI permanente para esta comunidadhttps://repositorio.upec.edu.ec/handle/123456789/1033
Examinar
Examinando Centro de Posgrado por Materia "Árboles de decisión, Calificación del cliente, Comparación, Riesgo crediticio, Regresión logística."
Mostrando 1 - 1 de 1
- Resultados por página
- Opciones de ordenación
Ítem Acceso Abierto Comparación entre los modelos de regresión y árboles de decisión en la estimación de la calificación crediticia en los microcréditos(Universidad Politécnica Estatal del Carchi-Biblioteca General "Luciano Coral", 2025-02) Guaraca Daquilema, Ángel Delfín; Pablo Javier Flores MuñozLa presente investigación evalúa la calificación crediticia de los microcréditos otorgados por la Cooperativa de Ahorro y Crédito Fernando Daquilema Ltda. en el 2023, por medio de la comparación de criterios de desempeño entre el modelo de regresión y arboles de decisión a fin de seleccionar el modelo con mejor precisión predictiva. La investigación tiene un enfoque cuantitativo, de tipo correlacional y explicativo. Los modelos se compararon empleando métricas de precisión, la matriz de confusión, curva ROC, las variables influyentes y facilidad de implementación. Para ello, se utilizaron los mismos datos de entrenamiento (70%) y datos de prueba (30%). Los resultados, obtenidos con el software estadístico R Studio, indicaron que ambos modelos ofrecen buenas predicciones. La regresión logística mostró una precisión ligeramente superior con el 87.71%, en comparación con el 85.40% de los árboles de decisión. Además, el área bajo la curva - AUC-, para la regresión logística fue del 85%, mientras que para los árboles de decisión fue del 81%. La pérdida logarítmica también indicó diferencias, siendo del 31% para la regresión logística y del 38% para los árboles de decisión. Finalmente, los dos modelos proporcionaron resultados similares con una diferencia mínima basada en las variables explicativas utilizadas. La elección del modelo más adecuado en una entidad financiera dependerá de las variables que se consideran más relevantes para la predicción del riesgo crediticio y la facilidad de implementación con el sistema de información disponible en la institución.
