Comparación de máquina de soporte vectorial y regresión logística en la predicción de morosidad de cuotas sociales del colegio de ingenieros del Perú consejo departamental Lambayeque

• Autor: Huamán Bernilla, Jefferson Napoleón
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/6859
• Enlace del recurso: https://hdl.handle.net/20.500.12802/6859
• Nivel de acceso: acceso abierto
• Materia: Técnicas; Predicción; Máquina de Soporte Vectorial; Regresión Logística; Aprendizaje automático; http://purl.org/pe-repo/ocde/ford#2.02.04

La complejidad de la gestión de la morosidad se ha incrementado durante los últimos años, generando en algunas organizaciones públicas y privadas, grandes pérdidas económicas. Para reducir este tipo de riesgo muchas organizaciones optaron por técnicas tradicionales como las estadísticas para optimizar su toma de decisiones, pero con la evolución de la tecnología y el incremento de datos de sus usuarios están migrando a nuevas técnicas como las de aprendizaje automático que en otros contextos han mostrado buenos resultados. Por este motivo, en el presente trabajo se comparó una técnica de aprendizaje automático y una técnica clásica, con la finalidad de determinar que técnica es más eficiente en la predicción de la morosidad de cuotas sociales en el Colegio de Ingenieros del Perú Consejo departamental de Lambayeque, organización que afronta un incremento paulatino de la morosidad que afecta la buena toma de decisiones y no beneficia a los colegiados. El punto de partida empieza con la selección de las técnicas a comparar para ello se efectuó un análisis exhaustivo a trabajos realizados en un contexto a fin a la morosidad como son los riesgos de crédito, con ello se elaboró un top de técnicas en función de su precisión. De acuerdo al top se seleccionaron las técnicas máquina de soporte vectorial y regresión logística. Para efectuar la comparación de las técnicas se recopiló datos históricos de los colegiados cuya información se obtuvo de fuentes internas y externas a la organización. Posteriormente los datos recopilados por medio del proceso de extracción, transformación y carga (ETL) se limpió y estandarizó obteniéndose datos concisos y relevantes. Finalmente se aplicó las técnicas predictivas cuyos resultados son favorables para la máquina de soporte vectorial en comparación con la regresión logística. Concluyendo que la técnica máquina de soporte vectorial es más eficiente para predecir la morosidad de cuotas sociales en el Colegio de Ingenieros del Perú Consejo departamental de Lambayeque.