Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2022-157408
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!A concessão de crédito é uma atividade vital da indústria financeira. Para o funcionamento e sucesso das instituições financeiras, assim como a manutenção do equilíbrio do sistema creditício, a modelagem de risco de crédito tem o papel de avaliar a probabilidade de inadimplência de potenciais devedores com base em dados históricos. Modelos e algoritmos de classificação apresentam uma abordagem interessante para esta finalidade. Neste contexto, este trabalho explora a modelagem e avaliação de um classificador para aferir o risco de crédito por meio de Support Vector Machines (SVM), um algoritmo supervisionado de Machine Learning, com auxílio de algoritmos de otimização de hiper-parâmetros e resampling. O classificador SVM proposto obteve excelente poder de discriminação, com métricas de performance superiores à abordagem padrão da regressão logística.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo