iair/desafioai

Repositorio para los documentos del desafio tecnico.

DesafioAI

Repositorio para los documentos del desafio tecnico.

Detalle

Para el desafío fue necesario calcular el score crediticio para un set de datos. Para el set se dio una observación importante, y es que cada clasificado como Falso Positivo tenía un valuación 5 veces mayor que un Falso Negativo. Es decir, la precisión para el ajuste debía ser de un orden superior, y por esto ajusté varios modelos buscando uno que redujera la tasa de Falsos Positivos.

Modelos Estimados

Para la prueba, utilicé modelos supervisados clásicos y otros un poco más sofisticados. Los modelos ajustados fueron los siguientes:

• Regresión Logistica
• Random Forest
• SVM
• Adaboost

No utilicé modelos de redes neuronales debido a restricciones de tiempo y que 2/3 de las variables eran categóricas. Asímismo, tampoco utilicé Redes Neuronales Bayesianas que permitirían dar cuenta de la incertidumbre por motivos de tiempo.

Resultados

Buscando el mejor modelo, al optimizar las variables a utilizar quedé con el modelo de regresión logística, el cual predice un 85% para la muestra de entrenamiento y un 78.7% para la de validación, con un 17.78% de tasa de Falsos Positivos, la cual era la más baja dentro de los modelos ajustados.

Siguientes Pasos

Para efectos de mejorar el modelo, se sugiere incrementar la capacidad de cálculo y realizar un modelo multiplicativo. Considerando la gran cantidad de variables categóricas sugiero considerar la conversión a numérica de muchas de ellas y volver a ejecutar, o bien, considerar los valores medios de las categorías asociadas a numérica y evaluar el comportamiento de los modelos contra una red neuronal.