Use este identificador para citar ou linkar para este item:
http://bdm.ufmt.br/handle/1/1969
Tipo documento: | Trabalho de Conclusão de Curso |
Título: | Aplicação do algoritmo ensemble de floresta aleatória para a classificação de clientes adimplentes e inadimplentes |
Autor(es): | Silva, Fernanda Trentino |
Orientador(a): | Teixeira, Raoni Florentino da Silva |
Membro da Banca: | Teixeira, Raoni Florentino da Silva |
Membro da Banca: | Bezerra, Diogo Henrique Duarte |
Membro da Banca: | Marins, Joyce Aline de Oliveira |
Resumo : | O alto índice de inadimplência leva empresas a procurarem alternativas para estimar atrasos em seus recebimentos. A inadimplência pode ser a grande responsável por transtornos e mau rendimento financeiro de uma empresa, por isso deve ser controlada e detida antes de causar maiores problemas ao fluxo de caixa. Isso provocou no mercado o destaque ás vantagens em se investir na área de estudo de dados, buscando avanços tecnológicos que tornem possíveis a construção de modelos de dados capazes de identificar o perfil de clientes inadimplentes e orientar melhor os processos. O objetivo desse trabalho foi desenvolver um modelo de classificação utilizando uma floresta aleatória que permite reconhecer o perfil de clientes adimplentes ou inadimplentes. A hipótese de pesquisa é que uma vasta gama de oportunidades se abrem ao aplicar os resultados gerados pelo modelo para aperfeiçoar o pré-venda, alinhar a gestão de cobrança e ajustar o fluxo de caixa contando com a falta da receita inadimplente. Os resultados com a implementação da metodologia de análise temporal, obtidos e analisados através das métricas de acurácia, da precisão e da revocação foram satisfatórios. Atingindo uma taxa de 95% para a acurácia, 90% de precisão e 0.76% de revocação. O modelo deve continuar ser manuseado e melhorado sua capacidade decisiva, além de possuir oportunidades de discussão em relação a adequações que podem garantir ao modelo uma decisão mais precisa. |
Resumo em lingua estrangeira: | The high default rate leads companies to look for alternatives to estimate delays in their receipts. Default can be largely responsible for a company’s disruption and poor fi-nancial performance. Due its importance, some companies are now investing in the data analysis area, seeking technological advances that make it possible to build data models that can identify the profile of their customers. The objective of this work was to develop a classification model using a random forest to recognize the profile of defaulting or defaulting customers. The research hypothesis is that new opportunities open up when applying the results generated by the model to improve pre-sales, align collection management and adjust cash flow with thelack of defaulting revenue. The proposed model was evaluaeted by using accuracy, precision and recall. In the experiments, we achieve a rate of 95 % for accuracy, 90 % for precision and 0.76 % for recall. The results were promising but additional experiments and evaluations must be carried out before putting the model into production. |
Palavra-chave: | Floresta aleatória Árvores de decisão Classificação de atrasos |
Palavra-chave em lingua estrangeira: | Random forest Decision trees Classification of delays |
CNPq: | CNPQ::ENGENHARIAS |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal de Mato Grosso |
Sigla da instituição: | UFMT CUVG - Várzea Grande |
Departamento: | Instituto de Engenharia – Várzea Grande |
Programa: | Engenharia de Computação - CUVG |
Referência: | SILVA, Fernanda Trentino. Aplicação do algoritmo ensemble de floresta aleatória para a classificação de clientes adimplentes e inadimplentes. 2021. 48 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) - Faculdade de Engenharia, Universidade Federal de Mato Grosso – Campus Universitário de Várzea Grande, Cuiabá, 2021. |
Tipo de acesso: | Acesso Aberto |
URI: | http://bdm.ufmt.br/handle/1/1969 |
Data defesa documento: | 28-May-2021 |
Aparece na(s) coleção(ções): | Engenharia de Computação - Várzea Grande |
Arquivos deste item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC Fernanda Trentino Silva_organized.pdf | 399.41 kB | Adobe PDF | Ver/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.