Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio

Autores
Jimbo Santana, Patricia Rosalía
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Esta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios.
Eje: Tesis de Doctorado.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Riesgo
Reglas de Clasificación Difusas
Optimización mediante Cúmulo de partículas tamaño variable
Minería de Datos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/120583

id SEDICI_a8e0228f1cbf5a01c8c3079b057f530b
oai_identifier_str oai:sedici.unlp.edu.ar:10915/120583
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticioJimbo Santana, Patricia RosalíaCiencias InformáticasRiesgoReglas de Clasificación DifusasOptimización mediante Cúmulo de partículas tamaño variableMinería de DatosEsta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios.Eje: Tesis de Doctorado.Red de Universidades con Carreras en Informática2021-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1050-1060http://sedici.unlp.edu.ar/handle/10915/120583spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0info:eu-repo/semantics/reference/hdl/10915/119487info:eu-repo/semantics/reference/hdl/10915/119490info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:28:34Zoai:sedici.unlp.edu.ar:10915/120583Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:28:34.667SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
title Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
spellingShingle Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
Jimbo Santana, Patricia Rosalía
Ciencias Informáticas
Riesgo
Reglas de Clasificación Difusas
Optimización mediante Cúmulo de partículas tamaño variable
Minería de Datos
title_short Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
title_full Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
title_fullStr Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
title_full_unstemmed Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
title_sort Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
dc.creator.none.fl_str_mv Jimbo Santana, Patricia Rosalía
author Jimbo Santana, Patricia Rosalía
author_facet Jimbo Santana, Patricia Rosalía
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Riesgo
Reglas de Clasificación Difusas
Optimización mediante Cúmulo de partículas tamaño variable
Minería de Datos
topic Ciencias Informáticas
Riesgo
Reglas de Clasificación Difusas
Optimización mediante Cúmulo de partículas tamaño variable
Minería de Datos
dc.description.none.fl_txt_mv Esta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios.
Eje: Tesis de Doctorado.
Red de Universidades con Carreras en Informática
description Esta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios.
publishDate 2021
dc.date.none.fl_str_mv 2021-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/120583
url http://sedici.unlp.edu.ar/handle/10915/120583
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3
info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0
info:eu-repo/semantics/reference/hdl/10915/119487
info:eu-repo/semantics/reference/hdl/10915/119490
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
1050-1060
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616163873521664
score 13.069144