USO DE TÉCNICAS DE MACHINE LEARNING PARA UM MODELO DE PREDIÇÃO DE CRÉDITO

Resumo

Algoritmos de inteligência artificial (IA) têm demonstrado eficiência superior na resolução de problemas complexos, especialmente em contextos com múltiplas variáveis, onde métodos tradicionais, como a regressão logística, frequentemente mostram limitações. Enquanto a regressão logística tende a considerar padrões médios da população, a IA oferece a capacidade de tratar casos de forma mais específica, reduzindo erros críticos, como a aprovação indevida ou a rejeição errônea, que resultam em perda de recursos em aplicações práticas. Apesar de a IA demandar um processo de treinamento mais complexo, especialmente devido ao ajuste de hiperparâmetros, seu potencial para lidar com tais desafios é notável. Este trabalho tem como objetivo geral analisar diferentes técnicas de Machine Learning (aprendizado de máquina) para a predição de inadimplência em cartões de crédito, comparando-as com métodos tradicionais, como a regressão logística. Será utilizada uma base de dados reais, fornecida por uma instituição financeira, e os modelos serão implementados em linguagem Python. A motivação central deste estudo é identificar alternativas ao modelo padrão, com ênfase em redes neurais artificiais. A principal vantagem desta abordagem reside na ausência de programação direta, pois a rede é construída com base em conceitos matemáticos de álgebra linear e aprende automaticamente. Assim, este trabalho propõe a construção, comparação e análise de modelos em termos de métricas tradicionalmente utilizadas como acurácia e tempos de execução.