O classificador Naïve Bayes no contexto da análise de crédito

Abstract

O crescimento do número de informações, justificado pelo aumento da utilização de equipamentos computacionais, em meados da década de 80, foi responsável por uma considerável baixa no custo de armazenamento de dados. As empresas, em geral, passaram a buscar uma maneira de procurar informações válidas em meio a enormes conjuntos de dados armazenados, na tentativa de obter vantagem em mercados de trabalho tão competitivos. Em meio a mercados tão acirrados, empresas ligadas a análise de crédito ganharam destaque na exploração de dados objetivando a extração da maior quantidade de informações ocultas, visando a realização de boas escolhas entre clientes adimplentes e inadimplentes, operação chave para garantir a sobrevivência de empresas concedentes de crédito. Este exemplo de operação ilustra uma das mais comuns fases da metodologia de mineração de dados: a classificação, que objetiva realizar associações de novos exemplos a classes presentes em bases de dados históricas conhecidas. O foco deste trabalho recai sobre um classificador em particular, o Naïve Bayes. Tal técnica, baseada em fórmulas probabilísticas, atua no contexto de classificar novos clientes de instituições financeiras como sendo bons ou maus pagadores. Neste trabalho são apresentados dois estudos de caso: o primeiro, no qual é discutido o funcionamento e execução do classificador Naïve Bayes, e o segundo, através do qual são comparados os resultados do classificador Naïve Bayes com classificadores baseados em redes neurais e árvores de decisão. Os resultados finais foram apresentados e discutidos, bem como as contribuições acadêmicas oferecidas por este trabalho.