Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Brazilian Journal of Production Engineering |
Texto Completo: | https://periodicos.ufes.br/bjpe/article/view/37019 |
Resumo: | A inclusão financeira é importante para reduzir a pobreza e proporcionar um crescimento econômico inclusivo, principalmente comparando grupos com grande desigualdade social. Este artigo utilizou a pesquisa Global Financial Inclusion (Global Findex) da World Bank Group para comparar técnicas de aprendizado de máquina na classificação de homens e mulheres quanto ao uso de serviços financeiros. Para isso, utilizou-se os classificadores Árvore de decisão, -vizinhos mais próximos, Naïve Bayes e Floresta randômica, e avaliadas as métricas de acurácia, precisão, sensibilidade, f1-score e área sob a curva Receiver Operating Characteristic (ROC). Verificou-se que todas as técnicas (exceto por Naïve Bayes) obtiveram uma acurácia próxima a 70%, sensibilidade próxima a 88% e precisão acima dos 72% na maioria dos parâmetros investigados. Quanto à área sob a curva ROC, a Floresta randômica atingiu 0,77, superando as outras técnicas nesta avaliação. |
id |
UFES-11_f3252ae1eb2f40094df1b2fea50dafeb |
---|---|
oai_identifier_str |
oai:periodicos.ufes.br:article/37019 |
network_acronym_str |
UFES-11 |
network_name_str |
Brazilian Journal of Production Engineering |
repository_id_str |
|
spelling |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos Use of classification techniques in a dataset on financial inclusion: a study based on Latin American countriesUso de técnicas de clasificación en un conjunto de datos sobre inclusión financiera: un estudio basado en países de América LatinaMineração de DadosClassificaçãoInclusão FinanceiraAmérica LatinaData miningClassificationFinancial inclusionLatin AmericaClassificaciónInclusión financieraProcesamiento de datosAmérica LatinaA inclusão financeira é importante para reduzir a pobreza e proporcionar um crescimento econômico inclusivo, principalmente comparando grupos com grande desigualdade social. Este artigo utilizou a pesquisa Global Financial Inclusion (Global Findex) da World Bank Group para comparar técnicas de aprendizado de máquina na classificação de homens e mulheres quanto ao uso de serviços financeiros. Para isso, utilizou-se os classificadores Árvore de decisão, -vizinhos mais próximos, Naïve Bayes e Floresta randômica, e avaliadas as métricas de acurácia, precisão, sensibilidade, f1-score e área sob a curva Receiver Operating Characteristic (ROC). Verificou-se que todas as técnicas (exceto por Naïve Bayes) obtiveram uma acurácia próxima a 70%, sensibilidade próxima a 88% e precisão acima dos 72% na maioria dos parâmetros investigados. Quanto à área sob a curva ROC, a Floresta randômica atingiu 0,77, superando as outras técnicas nesta avaliação.La inclusión financiera es importante para reducir la pobreza y proporcionar un crecimiento económico inclusivo, especialmente cuando se comparan grupos con alta desigualdad social. Este artículo utilizó la encuesta Global Financial Inclusion (Global Findex) del Grupo del Banco Mundial para comparar las técnicas de aprendizaje automático en la clasificación de hombres y mujeres por el uso de servicios financieros. Para ello se utilizó el Árbol de Decisión de Clasificadores, -Nearest Neighbors, Naïve Bayes y Random Forest, y se evaluaron las métricas de exactitud, precisión, sensibilidad, f1-score y área bajo la curva Receiver Operating Characteristic (ROC). Se encontró que todas las técnicas (excepto Naïve Bayes) obtuvieron una precisión cercana al 70%, una sensibilidad cercana al 88% y una precisión superior al 72% en la mayoría de los parámetros investigados. En cuanto al área bajo la curva ROC, Random Forest alcanzó 0,77, superando a las demás técnicas en esta evaluación.A inclusão financeira é importante para reduzir a pobreza e proporcionar um crescimento econômico inclusivo, principalmente comparando grupos com grande desigualdade social. Este artigo utilizou a pesquisa Global Financial Inclusion (Global Findex) da World Bank Group para comparar técnicas de aprendizado de máquina na classificação de homens e mulheres quanto ao uso de serviços financeiros. Para isso, utilizou-se os classificadores Árvore de decisão, -vizinhos mais próximos, Naïve Bayes e Floresta randômica, e avaliadas as métricas de acurácia, precisão, sensibilidade, f1-score e área sob a curva Receiver Operating Characteristic (ROC). Verificou-se que todas as técnicas (exceto por Naïve Bayes) obtiveram uma acurácia próxima a 70%, sensibilidade próxima a 88% e precisão acima dos 72% na maioria dos parâmetros investigados. Quanto à área sob a curva ROC, a Floresta randômica atingiu 0,77, superando as outras técnicas nesta avaliação.Universidade Federal do Espírito Santo - UFES2022-02-14info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdfhttps://periodicos.ufes.br/bjpe/article/view/3701910.47456/bjpe.v8i1.37019Brazilian Journal of Production Engineering; Vol. 8 No. 1 (2022): Número Regular (Janeiro - Março); 73-91Brazilian Journal of Production Engineering; Vol. 8 Núm. 1 (2022): Número Regular (Janeiro - Março); 73-91Brazilian Journal of Production Engineering; v. 8 n. 1 (2022): Número Regular (Janeiro - Março); 73-912447-558010.47456/bjpe.v8i1reponame:Brazilian Journal of Production Engineeringinstname:Universidade Federal do Espírito Santo (UFES)instacron:UFESporhttps://periodicos.ufes.br/bjpe/article/view/37019/24779https://periodicos.ufes.br/bjpe/article/view/37019/24778Copyright (c) 2022 Brazilian Journal of Production Engineering - BJPEhttps://creativecommons.org/licenses/by-nc-sa/4.0info:eu-repo/semantics/openAccessSouza, Pâmela Rodrigues Venturini deTomazi, Bruno GigioliSantos, Bruno Samways dos2022-09-19T17:38:14Zoai:periodicos.ufes.br:article/37019Revistahttps://periodicos.ufes.br/bjpePUBhttps://periodicos.ufes.br/bjpe/oairodrigo.r.freitas@ufes.br2447-55802447-5580opendoar:2023-01-13T10:36:36.903562Brazilian Journal of Production Engineering - Universidade Federal do Espírito Santo (UFES)false |
dc.title.none.fl_str_mv |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos Use of classification techniques in a dataset on financial inclusion: a study based on Latin American countries Uso de técnicas de clasificación en un conjunto de datos sobre inclusión financiera: un estudio basado en países de América Latina |
title |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos |
spellingShingle |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos Souza, Pâmela Rodrigues Venturini de Mineração de Dados Classificação Inclusão Financeira América Latina Data mining Classification Financial inclusion Latin America Classificación Inclusión financiera Procesamiento de datos América Latina |
title_short |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos |
title_full |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos |
title_fullStr |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos |
title_full_unstemmed |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos |
title_sort |
Utilização de técnicas de classificação em conjunto de dados sobre inclusão financeira: um estudo baseado em países latino-americanos |
author |
Souza, Pâmela Rodrigues Venturini de |
author_facet |
Souza, Pâmela Rodrigues Venturini de Tomazi, Bruno Gigioli Santos, Bruno Samways dos |
author_role |
author |
author2 |
Tomazi, Bruno Gigioli Santos, Bruno Samways dos |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Souza, Pâmela Rodrigues Venturini de Tomazi, Bruno Gigioli Santos, Bruno Samways dos |
dc.subject.por.fl_str_mv |
Mineração de Dados Classificação Inclusão Financeira América Latina Data mining Classification Financial inclusion Latin America Classificación Inclusión financiera Procesamiento de datos América Latina |
topic |
Mineração de Dados Classificação Inclusão Financeira América Latina Data mining Classification Financial inclusion Latin America Classificación Inclusión financiera Procesamiento de datos América Latina |
description |
A inclusão financeira é importante para reduzir a pobreza e proporcionar um crescimento econômico inclusivo, principalmente comparando grupos com grande desigualdade social. Este artigo utilizou a pesquisa Global Financial Inclusion (Global Findex) da World Bank Group para comparar técnicas de aprendizado de máquina na classificação de homens e mulheres quanto ao uso de serviços financeiros. Para isso, utilizou-se os classificadores Árvore de decisão, -vizinhos mais próximos, Naïve Bayes e Floresta randômica, e avaliadas as métricas de acurácia, precisão, sensibilidade, f1-score e área sob a curva Receiver Operating Characteristic (ROC). Verificou-se que todas as técnicas (exceto por Naïve Bayes) obtiveram uma acurácia próxima a 70%, sensibilidade próxima a 88% e precisão acima dos 72% na maioria dos parâmetros investigados. Quanto à área sob a curva ROC, a Floresta randômica atingiu 0,77, superando as outras técnicas nesta avaliação. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-02-14 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://periodicos.ufes.br/bjpe/article/view/37019 10.47456/bjpe.v8i1.37019 |
url |
https://periodicos.ufes.br/bjpe/article/view/37019 |
identifier_str_mv |
10.47456/bjpe.v8i1.37019 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://periodicos.ufes.br/bjpe/article/view/37019/24779 https://periodicos.ufes.br/bjpe/article/view/37019/24778 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2022 Brazilian Journal of Production Engineering - BJPE https://creativecommons.org/licenses/by-nc-sa/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2022 Brazilian Journal of Production Engineering - BJPE https://creativecommons.org/licenses/by-nc-sa/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo - UFES |
publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo - UFES |
dc.source.none.fl_str_mv |
Brazilian Journal of Production Engineering; Vol. 8 No. 1 (2022): Número Regular (Janeiro - Março); 73-91 Brazilian Journal of Production Engineering; Vol. 8 Núm. 1 (2022): Número Regular (Janeiro - Março); 73-91 Brazilian Journal of Production Engineering; v. 8 n. 1 (2022): Número Regular (Janeiro - Março); 73-91 2447-5580 10.47456/bjpe.v8i1 reponame:Brazilian Journal of Production Engineering instname:Universidade Federal do Espírito Santo (UFES) instacron:UFES |
instname_str |
Universidade Federal do Espírito Santo (UFES) |
instacron_str |
UFES |
institution |
UFES |
reponame_str |
Brazilian Journal of Production Engineering |
collection |
Brazilian Journal of Production Engineering |
repository.name.fl_str_mv |
Brazilian Journal of Production Engineering - Universidade Federal do Espírito Santo (UFES) |
repository.mail.fl_str_mv |
rodrigo.r.freitas@ufes.br |
_version_ |
1797047321398083584 |