INTELIGÊNCIA ARTIFICIAL

Análise de Crédito utilizando Técnicas de aprendizado de maquina 1. Introdução Este trabalho se propõe a elaborar modelos de análise de crédito, utilizando técnicas de aprendizado de maquina, onde serão analisados modelos que utilizam o método dos vizinhos mais próximos, as árvores de decisão e um terceiro que mistura as técnicas de redes neurais com lógica Fuzzy (Neuro-Fuzzy). A ideia básica é a de poder obter conclusões genéricas gerais a partir de um conjunto particular de exemplos. Neste trabalho foram selecionadas trezentas e dezoito solicitações de credito retiradas aleatoriamente dos pedidos feitos ao Banco Nacional de Desenvolvimento Econômico e Social (BNDES). 2. Aprendizado de Máquina e Classificadores O Aprendizado de máquina, é uma área da Inteligência artificial que procura tira conclusões a partir, sobre exemplos fornecidos por um processo externo a aprendizagem. Onde são divididos em aprendizagem supervisionada e não supervisionada. No método utilizado neste estudo e a aprendizagem supervisionada, cada exemplo é descrito por vetor de valores de características, ou atributos, e o rótulo de classe associada. O objetivo do algoritmo de indução é construir um classificador que possa determina corretamente a classe de novos exemplos ainda não rotulados, ou seja, exemplos que não tenham o rótulo de classe. Classificadores é uma função que possui como entrada vetores de características, e coo saídos, rótulos que identificam a classe que tais vetores provavelmente pertencem. Os algoritmos de aprendizado de maquina que induzem classificadores utilizados nesse estudo são: Método dos vizinhos mais próximos, Árvore de Decisão, Modelos Neuro-Fuzzy Hierárquicos e Estudo de caso. 3. Método dos vizinhos mais próximos Trata-se de um método de classificação que não possui processamento na fase de treinamento. Para cada padrão de teste, é medida a distancia entre ele e todos os padrões de treinamento. Verifica-se a quais classes pertencem os “K” padrões mais próximos e