PREDIÇÃO DE RISCO DE CRÉDITO COM APRENDIZADO DE MÁQUINA SUPERVISIONADO: UM ESTUDO DE CASO COM DADOS DESBALANCEADOS
Regressão Logística; Métodos Ensemble; Classificação de Dados.
Este trabalho tem como objetivo explorar o uso da Regressão Logística como ferramenta central na predição de risco de crédito, com ênfase no tratamento de dados desbalanceados - uma característica recorrente nesse tipo de problema. O modelo será avaliado por meio de métricas apropriadas, como Acurácia Balanceada, AUC (Área Sob a Curva ROC) e o coeficiente Kappa, com o intuito de garantir resultados robustos e comparáveis. A proposta visa construir um modelo preditivo interpretável, capaz de identificar inadimplentes com maior precisão, contribuindo para a aplicação prática da Regressão Logística no contexto financeiro.