Dissertação de Mestrado
URI permanente desta comunidadehttps://repositorio.insper.edu.br/handle/11224/3237
Navegar
2 resultados
Resultados da Pesquisa
Dissertação Aplicação de algoritmos de aprendizado de máquina no desenvolvimento de modelos de escore de crédito(2015) Silverio, MuriloRESUMO Os modelos de escore de crédito tornaram-se uma ferramenta importante para as instituições financeiras devido à necessidade de padronização e agilidade nas análises de crédito. De acordo com Thomas (2009) a regressão logística tem sido a técnica mais utilizada na construção desses modelos. Entretanto, nos últimos quinze anos, modelos baseados em algoritmos de aprendizado de máquina têm surgido e apresentado resultados superiores aos de modelos de regressão logística, como podemos observar em Kruppa et al. (2013) e Lessmann et al. (2015). Este trabalho propõe uma comparação entre modelos de regressão logística e modelos criados utilizando as técnicas de aprendizado de máquina Random Forests e Logistic Model Trees. Para o desenvolvimento do modelo foi utilizada uma base de dados fornecida por uma instituição financeira, referente a uma operação de crédito direto ao consumidor. A estatística de Kolmogorov-Smirnov e o Coeficiente de Gini foram utilizados para determinar a performance de cada modelo. Como principal resultado, este trabalho confirma a superioridade do modelo de Random Forests sobre o modelo de regressão logística, o mesmo não acontecendo com o modelo de Logistic Model Trees.Dissertação Determinant factors of evasion in Brazilian’s private higher education institutes(2020) Costa, Henrique AlvaresEste artigo estuda alguns determinantes da evasão no ensino superior brasileiro. Ele aborda o impacto que ser calouro, estar estudando em ensino a distância, matricularse nas disciplinas CTEM (Ciência, Tecnologia, Engenheiro e Matemática) e ter ajuda financeira possuem nas taxas de abandono escolar, com foco no setor privado. Com um banco de dados de 1.662.846 registros e 13 variáveis (incluindo a variável dependente), e usando Regressão Logística, ele conclui que Ensino a Distância, ser um calouro e ter acesso a financiamento estudantil, afetam significativamente as taxas de evasão (onde o primeiro aumenta as chances de abandono, enquanto os outros as diminuem). Embora o CTEM também influencie a evasão, o impacto não é relevante.