[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-118390-pt":3,"doc-seo-118390-112":31,"detail-sidebar-cat-0-pt-112":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},118390,3985741905716,"Rowan","https://ap-avatar.wpscdn.com/davatar_994ba38a5ba835b3df7d355c54d3ed8d",32,"Pesquisa e Relatórios","Aplicação de técnicas de machine learning para a classificação de crédito - Estudo e comparação de algoritmos supervisionados","Aplicação de técnicas de machine learning para classificar pedidos de empréstimo com base em registros históricos de concessões. O trabalho implementa algoritmos supervisionados e realiza comparação de desempenho na classificação/aprovação, usando um conjunto de dados público do Kaggle com aprovações creditícias passadas. Considera que a decisão de crédito envolve múltiplas regras e fatores, além de verificações manuais em linhas específicas. Os resultados evidenciam a capacidade de automatizar e aprimorar procedimentos decisórios, reduzindo risco e aumentando eficiência operacional.","Aplicação de técnicas de machine learning para aclassificação de crédito  \nJonas Vaz1  \nCiência da Computação-Universidade de Passo Fundo (UPF) Passo Fundo-RS-Brasil  \n[141987@upf.br](141987@upf.br)  \nAbstract. This article aims to implement machine learning algorithms to analyze a set of historical data on loan concessions. The objective is to evaluate whether the machine learning approach in the area of credit granting can be an efficient practice. A comparison of different supervised algorithms to determine credit rating/approval performance was performed using, for this purpose, a dataset obtained from Kaggle, containing historical records of credit approvals. We recognize that credit approval is a complex process, involving many rules and factors, in addition to the need for manual checks on specific lines. This work demonstrated how machine learning can be applied to improve the performance of credit granting procedures.  \nResumo. Este artigo visa implementar algoritmos de machine learning para analisar um conjunto de dados históricos sobre concessões de créditos. O objetivo é avaliar se a abordagem de machine learning na área de concessãode crédito pode ser uma prática eficiente. Uma comparação de diferentes algoritmos supervisionados para determinar o desempenho naclassificação/aprovação de créditos foi realizada utilizando, para isso, um conjunto de dados obtidos do Kaggle, contendo registros históricos de aprovações de crédito. Reconhecemos que a aprovação de crédito é um processo complexo, envolvendo várias regras e fatores, além da necessidadede verificações manuais em linhas específicas. Este trabalho demonstrou como a machine learning pode ser aplicada para aprimorar o desempenho dos procedimentos de concessão de crédito.  \n1. Introdução  \nA tomada de decisão sobre a concessão de empréstimos é uma responsabilidade crítica para as instituições financeiras, pois requer uma classificação precisa para determinar seo valor solicitado deve ser liberado ou não e muitas vezes em um prazo muito curto de tempo. É crucial evitar riscos desnecessários e tomar decisões assertivas com base eminformações confiáveis. Com os avanços da inteligência artificial, os algoritmos deaprendizagem de máquina têm se destacado como ferramentas promissoras para automatizar e aprimorar processos decisórios.  \nCom estas motivações, o estudo demonstra a implementação e comparação de cinco algoritmos comumente abordados em trabalhos relacionados. O objetivo central é analisar e comparar a capacidade desses algoritmos em classificar corretamente os pedidos de empréstimo com base em características e histórico dos candidatos. Nos  \n1 Acadêmico formando do curso de Ciência da Computação na Universidade de Passo Fundo.  \npróximos tópicos será abordado como a implementação foi desenvolvida, desde apreparação do conjunto de dados até os resultados obtidos.  \n2. Referencial Teórico  \nNo processo de liberação de crédito pelos bancos e cooperativas, existe o risco da operação referente à inadimplência. Para minimizar esses riscos, era comum contratar profissionais experientes para avaliar a elegibilidade dos candidatos e de forma muitas vezes manual, analisando critérios e atribuindo pontuações. Com os avanços tecnológicos, surgiram algoritmos de aprendizado de máquina que podem prever automaticamente a pontuação de crédito com base no histórico bancário do indivíduo, ajudando a filtrar aqueles com maior risco de inadimplência antes de conceder oempréstimo, conforme Ndayisenga (2021) .  \nApesar dos bancos adotarem um mecanismo de validação e verificação para aprovar empréstimos, não há garantia absoluta de que os candidatos selecionados sejam realmente merecedores. Para enfrentar esse desafio, uma das opções seria as instituições financeiras colaborarem compartilhando informações relevantes que auxiliem na avaliação da elegibilidade do requerente, por exemplo, por meio da expansão doconceito de open finance2. Com o intuito de alcançar tal objetivo, a coleta e análise de dad","cbCaig3p68HIGxME","https://ap.wps.com/l/cbCaig3p68HIGxME","pdf",150122,3,1,8,"Portuguese","pt",112,"# Introdução\n# Referencial Teórico\n# Metodologia","[{\"question\":\"Qual é o objetivo principal da aplicação de machine learning na classificação de crédito?\",\"answer\":\"Implementar e avaliar algoritmos para analisar dados históricos de concessões, verificando se a abordagem de machine learning melhora a eficiência na classificação/aprovação de crédito.\"},{\"question\":\"Como os algoritmos foram comparados no desempenho de aprovação/classificação?\",\"answer\":\"Por meio da comparação de diferentes algoritmos supervisionados usando um conjunto de dados do Kaggle com registros históricos de aprovações de crédito.\"},{\"question\":\"Por que a decisão de concessão de crédito é considerada um processo complexo?\",\"answer\":\"Porque envolve várias regras e fatores e ainda requer verificações manuais em linhas específicas, além de haver risco relacionado à inadimplência.\"}]","Aplicação de técnicas de machine learning para a classificação de crédito - Estudo e comparação de algoritmos supervisionados | PDF",1785683399,12,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"application-of-machine-learning-techniques-for-credit-classification-study-and-comparison-of-supervised-algorithms","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/pt/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/pt/document/application-of-machine-learning-techniques-for-credit-classification-study-and-comparison-of-supervised-algorithms/118390/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-17","2026-08-02",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Qual é o objetivo principal da aplicação de machine learning na classificação de crédito?","Question",{"text":76,"@type":77},"Implementar e avaliar algoritmos para analisar dados históricos de concessões, verificando se a abordagem de machine learning melhora a eficiência na classificação/aprovação de crédito.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Como os algoritmos foram comparados no desempenho de aprovação/classificação?",{"text":81,"@type":77},"Por meio da comparação de diferentes algoritmos supervisionados usando um conjunto de dados do Kaggle com registros históricos de aprovações de crédito.",{"name":83,"@type":74,"acceptedAnswer":84},"Por que a decisão de concessão de crédito é considerada um processo complexo?",{"text":85,"@type":77},"Porque envolve várias regras e fatores e ainda requer verificações manuais em linhas específicas, além de haver risco relacionado à inadimplência.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},26,"Contos e Romances",60,"story-novel",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},46,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},28,"Exames","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},47,"Geral","general",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},29,"Histórias em Quadrinhos","comic",{"id":116,"doc_module":4,"doc_module_name":47,"category_name":117,"show_sort_weight":97,"slug":118},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":120},"research-report",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},33,"Religião e Espiritualidade","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},31,"Saúde e Cuidados","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},45,"Tecnologia","technology"]