Comparativa de técnicas Machine Learning sobre comportamiento de pago de clientes con cuentas por cobrar

The following project aims to identify algorithm accurately using a comparison of Machine Learning techniques to detect payment behavior of customers with accounts receivable with the purpose of helping the collection management based on a correct prediction focused on its resources and efforts in clients with greater risk of tardiness of payment, and to reduce the actions of intervention in clients that will pay the next pending monthly credit payments on time. The methodology used is based on KDD that begins with obtaining domain knowledge in the area of collections, an exploratory analysis with visualizacion techniques for identifying the fully anonymized set target data, continuing with the phase of preparation and preprocessing of data that includes; data cleaning, creation of phase of calculated fields, transformation of categorical variables into numerical and feature selection among other, to apply data mining that allows us to find patterns of information and the best model prediction. Using various classification algorithms and evaluation metrics it is determined that the J48 being chosen for its time of execution and its low error rate. In conclusion, the use of a methodology has facilitated the undersranding and development of this project, the preparation phase and pre data processing together with the feature selction techniques has been of great importance in the generation of the model, which has had an impact on the quality of performance of the final model, the importance of using visualization techniques in the analysis, data exploration and evaluation of performance metrics has been critical in the decison making.El presente proyecto tiene como objetivo identificar el algoritmo con mayor exactitud usando una comparativa de técnicas de Machine Learning para detectar el comportamiento de pago de clientes con cuentas por cobrar con la finalidad de ayudar a la gestión de cobranzas, en una base a una correcta predicción a focalizar sus recursos y esfuerzos en clientes con mayor riesgo de mora y reducir a las acciones de intervención en clientes que si pagarán la próxima cuota mensual del crédito. La metodología utilizada está basada en KDD que parte de obtener el conocimiento de dominio en el área de cobranzas, un análisis exploratorio con técnicas de visualización para identificar el conjunto de datos objetivo totalmente anonimizado, siguiendo con la fase de preparación y pre procesamiento de datos que incluye; limpieza de datos, creación de campos calculados, transformación de variables categóricas en numéricas, selección de atributos entre otros, para aplicar minería de datos que permita encontrar patrones de información y el mejor modelo de predicción. Usando varios algoritmos de clasificación y métricas de evaluación se determina que los algoritmos J48 y Random Forest presentan mejores y semejantes resultados en rendimiento, precisión y exactitud con la técnica de selección de atributos ha sido de gran importancia en la generación del modelo, lo cual ha repercutido en la calidad de desempeño del modelo final, la importancia de usar técnicas de visualización en el análisis exploratorio de los datos y la evaluación de métricas de desempeño ha sido fundamental en la toma de decisiones