Compartilhamento fenotípico e mineração de dados aplicados na predição da inadimplência de clientes

Abstract

O presente trabalho versa sobre um aperfeiçoamento nos algoritmos genéticos aplicados em processos de Mineração de Dados, no intuito de predizer o risco de inadimplência de clientes, usando as bases de dados disponibilizadas gratuitamente pelo pesquisador Hans Hofmann. A escolha em melhorar os algoritmos genéticos justifica-se pelo fato de eles possuírem bastante potencial na resolução de vários problemas, além da possibilidade de diminuição em seu custo computacional. A metodologia escolhida para o estudo é quantitativa e descritiva, a qual busca avaliar o desempenho do algoritmo em relação às outras técnicas de mineração de dados. Os resultados obtidos foram satisfatórios, pois o algoritmo genético consegue predizer com um f-score melhor que várias opções alternativas, apesar do maior desempenho atingido pelas redes neurais.

The present article deals with an improvement in genetic algorithms applied in Data Mining processes, in order to predict the risk of customer default, using the databases made available free of charge by the researcher Hans Hofmann. The choice to improve the genetic algorithms is justified by the fact that they have a lot of potential in solving several problems, in addition to the possibility of decreasing their computational cost. The methodology chosen for the study is quantitative and descriptive, which seeks to evaluate the performance of the algorithm inrelation to other data mining techniques. The results obtained were satisfactory, as the genetic algorithm manages to predict with a better f-score than several alternative options, despite the higher performance achieved by neural networks.