My Guide Website?
Clasificación basada en beneficios con Machine Learning
Por University of Edinburgh Business School Events
Chile Chile https://www.myguidechile.com/es/eventos/clasificacion-basada-en-beneficios-con-machine-learning VISITA EL SITIO WEB
Los mejores eventos en Chile
Evento online
Support Vector Machine (SVM) es un poderoso enfoque de clasificación que puede ser útil para los sistemas de soporte de decisiones dado su rendimiento superior en comparación con las estrategias tradicionales, como la regresión logística.
Sin embargo, este método no está diseñado para tener en cuenta cuestiones relacionadas con las ganancias. En particular, no puede identificar las características más relevantes utilizadas para la construcción del clasificador, ni incorporar medidas de ganancias en la construcción del clasificador.
En este trabajo, proponemos un enfoque impulsado por las ganancias para la construcción de clasificadores y la selección simultánea de variables basada en SVM. El objetivo principal es incorporar información relacionada con el negocio, como los costos de adquisición de las variables, los costos de error de tipo I y II, y la ganancia generada por instancias correctamente clasificadas en el proceso de modelado.
Nuestra propuesta incorpora una función de penalización de grupo en la formulación de SVM para penalizar simultáneamente las variables que pertenecen al mismo grupo (la norma L-infinito), asumiendo que las empresas a menudo reciben grupos de variables relacionadas por un costo dado en lugar de recibirlos individualmente. Esta función se combina con las funciones de regularización de Tikhonov y Lasso, lo que da lugar a dos formulaciones de SVM para la clasificación y la selección de características integradas.
Se presenta un estudio de caso de un banco chileno. Los créditos se otorgan a microempresarios basados en información de cinco fuentes de datos diferentes. Nuestra propuesta concluye que las mejores soluciones en términos de rentabilidad se logran utilizando una o dos fuentes de datos baratas, sin necesidad de costosas entrevistas. Además, se obtienen importantes conocimientos de gestión en la aplicación gracias a la identificación de las variables relevantes.