PREDICTIVE ANALYSIS OF LOAN DEFAULT USING MACHINE LEARNING MODELS

Este trabalho investiga a aplicação de modelos de aprendizado de máquina para prever inadimplências em empréstimos. Foram selecionados três modelos: Regressão Logística, Random Forest e Gradient Boosting, para avaliar sua eficácia no tratamento de conjuntos de dados desbalanceados. O estudo foca nas etapas de pré-processamento, como reamostragem de dados e escalonamento de características, seguidas de treinamento e validação cruzada dos modelos. O desempenho de cada modelo foi avaliado utilizando métricas-chave, incluindo acurácia, precisão, recall, F1 score e AUC-ROC. Os resultados destacam as compensações entre complexidade do modelo, eficiência computacional e acurácia preditiva, fornecendo insights valiosos para instituições financeiras que consideram o uso desses modelos para gestão de risco.