Proyectos

Predict Likelihood

El proyecto "Predict Likelihood" tenía como objetivo predecir la probabilidad de incumplimiento utilizando un conjunto de datos limitado. Dadas las limitaciones, el proyecto empleó metodologías creativas y rigurosas para evaluar el rendimiento de las variables y optimizar la selección del modelo.

Metodologías y Técnicas

Evaluación de desempeño variable

• Test Chi-Cuadrado: Se evaluó la independencia de variables.
• Correlación de Spearman: Se evaluaron las relaciones monótonas entre variables.
• Valor de la Información (IV): Se determinó el poder predictivo de las variables.
• Bosque aleatorio, árboles de decisión, XGBoost: Se utiliza para comprender la importancia y la interacción de las variables.

Detección y manejo de valores atípicos

• Rango intercuartil (IQR): umbral ampliado a 3,5 veces para identificar valores atípicos extremos.
• Histogramas y diagramas de caja: visualización de la distribución de datos e identificación de posibles valores atípicos para su eliminación.

Análisis de los datos

• Gráficos de dispersión con líneas de regresión: tendencias ilustradas, como la relación entre DURACIÓN y probabilidad de incumplimiento.
• Filtrado por edad: Se excluyeron personas mayores de 67 años, categorizándolas como de alto riesgo.

Construcción y selección de modelos

1. Selección de variables:

   • Métodos: Chi-cuadrado, correlación, agrupamiento de variables, IV, selección hacia adelante, hacia atrás y por pasos.
   • Ajuste de hiperparámetros: se utilizó GridSearchCV para encontrar los mejores parámetros para cada modelo.

2. Modelos utilizados:

   • Regresión logística
   • Clasificador de bosque aleatorio
   • Clasificador XGB
   • Clasificador de aumento de gradiente
   • Clasificador de árbol de decisión
   • Clasificador AdaBoost
   • Métodos de regularización: Lasso, Ridge, ElasticNet

3. División de datos:

   • División de entrenamiento/prueba: relación 70/30.
   • Modelo Final: Regresión Logística elegida por su desempeño consistente.

Transformación de datos e ingeniería de funciones

• Peso de la evidencia (WOE): datos transformados para garantizar la monotonicidad.
• Impacto variable: predictores clave identificados como CHK_ACCT, DURATION, USED_CAR y GUARANTOR.

Modelo de validación

• Métricas: Curva ROC, Gini, KS, con resultados:
  • AUC: 0,77
  • KS: 48,59%
  • Gini: 0,55
• Se considera aceptable para el tamaño y la complejidad del conjunto de datos.

Creación de cuadro de mando

• Desarrollé un cuadro de mando para la evaluación crediticia de nuevos clientes utilizando las variables más predictivas.