Resumo:
Devido ao aumento do volume de dados ao longo dos anos, as técnicas de mineração de
dados se tornam cada vez mais relevantes para obtenção de informações. Portando, esse
trabalho tem como objetivo mostrar a eficiência de uma técnica de mineração de dados que
é a regressão logística, onde a característica principal é a abordagem das variáveis resposta
categóricas nas suas formas binárias e múltiplas. Ao longo do trabalho são discutidos
métodos para estimação do modelo de regressão e testes para avaliação desse modelo gerado.
Os dados são oriundos do repositório MachineLearning Repository’s da Universidade da
California-Irvin UCI. O programa usado para modelar o modelo logístico foi software R.
Os dados foram divididos em treinamento e teste, onde o modelo ajustado foi selecionado
atravéz do método stepwise com nível de significância de < 0.05. O modelo atendeu
as expectativas de qualidade do ajuste, as métricas do modelo foram uma acurácia de
aproximadamente 72 % em discriminar clientes adimplentes de inadimplentes, sensibilidade
de 87% dos 140 clientes adimplente o modelo acertou 122 e especificidade de 38%. Outra
ferramenta utilizada para avaliar o modelo é a curva ROC, que teve uma área de 0,847
sugerindo que o modelo é bastante eficiente.
Descrição:
BESERRA, Rafaella Santos. Modelagem com regressão logística para análise de concessão de crédito. 2021. 34f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Estadual da Paraíba, Campina Grande, 2021.