Scribd
Cargar
45 vistas2 páginas

Laboratorio Aplicacion N°01

Una empresa de préstamos hipotecarios proporcionó un conjunto de datos sobre sus clientes para que un estudiante de aprendizaje automático los analice y construya un modelo que pueda predecir qué clientes tienen alta probabilidad de aceptar un préstamo hipotecario. El estudiante debe definir el problema, identificar las variables clave, construir un modelo de aprendizaje automático y determinar las métricas más importantes para evaluar el rendimiento del modelo.

Cargado por

Johan Christhofer Armas Valencia
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
45 vistas2 páginas

Laboratorio Aplicacion N°01

Una empresa de préstamos hipotecarios proporcionó un conjunto de datos sobre sus clientes para que un estudiante de aprendizaje automático los analice y construya un modelo que pueda predecir qué clientes tienen alta probabilidad de aceptar un préstamo hipotecario. El estudiante debe definir el problema, identificar las variables clave, construir un modelo de aprendizaje automático y determinar las métricas más importantes para evaluar el rendimiento del modelo.

Cargado por

Johan Christhofer Armas Valencia
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 2

MACHINE LEARNING INMERSION

Laboratorio de Aplicación N°01:

Se entrega el siguiente set de datos de una empresa del sector


financiero que se ocupa de todo tipo de préstamos hipotecarios.
Tienen presencia en todas las áreas urbanas, semiurbanas y rurales. El
cliente primero solicita un préstamo hipotecario y luego la compañía
valida la elegibilidad del cliente para el préstamo.

La empresa desea automatizar el proceso de elegibilidad de


préstamos (en tiempo real) en función de los detalles del cliente
proporcionados al completar el formulario de solicitud en línea. El
dataset se encuentra en AdquisicionCreditoHipotecario.csv, el cual es
un dataset que cuenta con las principales características de los
clientes en cuánto a características sociodemográficas y de mercado.

La empresa necesita saber a quién sería conveniente aceptarle el


préstamo hipotecario, para así poder rentabilizar su capital y no tener
problemas de morosidad.

Debido a que usted está llevando un programa de especialización en


Machine Learning requieren que los ayude a identificar a los clientes
con alta probabilidad de ACEPTAR EL PRODUCTO HIPOTECARIO.

- Las variables que se disponibilizan son :

Variable Descripción de la Variable


Loan ID ID del cliente o persona.
Gender Género del cliente o persona.
Married Género del cliente o persona.
Dependents Número de hijos del cliente o persona.
Education Nivel de educación del cliente o persona.
Self Employed El cliente o persona está empleado?
ApplicantIncome Ingreso proveniente de su trabajo como dependiente.
CoapplicantIncome Ingreso proveniente de su trabajo como independiente.
LoanAmount Monto del préstamo que el cliente tiene con la empresa.
Loan_Amount_Term Término del periodo del préstamo que el cliente tiene con la empresa.
Credit History Historial crediticio del ciente o persona en el SSFF.
Property_Area Area de residencia del cliente o persona.
Loan_Status Estado del préstamo?
Entregables del Laboratorio:

1.- Definir el problema de la naturaleza que se tiene a continuación,


además de los objetivos de negocio bien definidos.

2.- ¿Qué tipo de variables se utilizan en el problema de negocio?

3.- Construya mediante Machine Learning una solución analítica para


determinar que clientes aceptarán el producto en los próximos meses.

4.- De los drivers o features seleccionados cuáles de éstos son los más
importantes para determinar la probabilidad de aceptar el producto.

5.- ¿Cuáles son las principales métricas de negocio o ratios esperados


para la gestión con la solución analítica que estamos construyendo?

También podría gustarte