Diseño del proceso de validación de un modelo predictivo con metodología XGBoost para predicción de ingresos de personas naturales con información limitada en el sistema financiero

• Autor: Miranda Vásquez, Isbella Merici
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/29064
• Enlace del recurso: http://hdl.handle.net/20.500.14076/29064
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Modelos Predictivos; Aprendizaje automático; Análisis estadístico; Sistema financiero; XGBoost; https://purl.org/pe-repo/ocde/ford#1.01.03

El presente informe se fundamenta en la necesidad de definir un proceso de validación robusta de modelos estadísticos que utilizan la técnica de aprendizaje XGBoost. Para este fin se presenta la propuesta del diseño de validación considerando una aplicación de la técnica en la predicción de ingresos de personas naturales que tienen información limitada en el sistema financiero. El objetivo de la validación de modelos es brindar la seguridad que todas las fases de construcción del modelo se han desarrollado de forma óptima considerando los criterios estadísticos necesarios para obtener un performance del modelo aceptable tal que el modelo pueda ser implementado en la gestión del negocio. A lo largo del documento se presentará y revisará el esquema completo de validación, que incluye desde la definición de la metodología, análisis y extracción de datos, proceso de modelado hasta la revisión de la completitud de la documentación que facilitará la implementación del modelo para la puesta en producción. Cumplir con los requisitos mínimos de la validación es necesario para dar luz verde a la salida a producción del modelo. Finalmente, se podrá observar cómo contribuye este nuevo diseño de validación en el desempeño del modelo final y la correcta integración a la gestión.