Obtención de reglas de clasificación difusas utilizando técnicas de optimización

Abstract

Esta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios.