Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio

Transcrição

1 Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio ICA, DEE, PUC-RIO CEP: Resumo Neste artigo será aplicado algumas técnicas de Algoritmo Genético (AG), especialmente mineração de dados utilizando AG para extração das regras, para o desenvolvimento de um Sistema de Análise de Concessão de Crédito (SACC). A Mineração de dados por regras de associação foi constituída por atributos quantitativo. A Mineração de Dados por AG é um problema de otimização onde a função de avaliação deve apontar para as melhores regras de associação. A acurácia e a abrangência são medidas de desempenho e, alguns casos, se mantém nulas durante parte da evolução. Assim, a função avaliação deve ser uma medida que destaca cromossomas contendo regras promissoras em apresentar acurácia e abrangência diferentes de zero. O objetivo desse artigo é desenvolver um Sistema de Análise de Concessão de Crédito que capaz de classificar um determinado cliente como um bom ou mau pagador. O SACC simulará um caso real de sistema de crédito, através de um BD que foi concedido por uma financiadora de crédito. Introdução Quando um determinado cliente desejar obter um empréstimo junto ao banco e/ou financiadora, o especialista da área financeira do banco e/ou financiadora irá analisar os seus dados pessoais como: renda familiar, o valor do empréstimo, quantas vezes ele deseja pagar, quanto tempo ele reside nesse endereço, quanto ele deseja dar de entrada, qual a sua idade, quanto dependentes ele tem e outros. Após esta análise, o especialista irá definir se esse cliente estará apto ou não concessão de crédito solicitado. O objetivo deste trabalho será apresentar um SACC que substituirá a função do especialista financeiro. O SACC utiliza as regras extraídas do banco de dados para classificar o cliente como um bom ou mau pagador. Neste trabalho o BD utilizado foi dividido em duas partes: um BD para treinamento e um outro para validação das regras extraídas. As ferramentas utilizadas foram o RuleEvolver e Access. O RuleEvolver foi utilizado para extrações das regras, ou seja, ele extrai informação de um BD em forma de regras. As regras extraídas deste BD fará a função do especialista para o SACC. O Access foi utilizado para validação das regras

2 extraídas deste BD através de um outro BD que não foi utilizado para extração das regras, ou seja, foi utilizado um BD para extrair informação deste banco e um outro BD para validação desta informação. O conteúdo do artigo está organizado nas seguintes Seções Descrição do problema Mineração de Dados Descrição da Solução Avaliação dos resultados obtidos Conclusões Descrição do problema O problema consistem em desenvolver um Sistema de Análise de Concessão de Crédito que seja capaz de classificar um determinado cliente, quando este solicitar uma concessão de crédito, como um bom ou mau pagador. A figura 1 mostra o diagrama de bloco do Sistema de Análise de Concessão de Crédito (SACC) Cliente Solicitação de Crédito s Se Renda 300 and Renda 3210 and NDep 1 and NDep 5 and... Idade 19 and Idade 54 THEN Classe A Figura 1 Diagrama de bloco do SACC Resultado Conceder ou não Crédito O SACC é composto de: uma entrada (cliente), um conjunto de regras que foi extraído do BD de treinamento através do RuleEvolver e uma saída de decisão (conceder ou não crédito). O BD utilizado neste trabalho contém 2000 registros, onde 1000 registros são da classe mau pagador e os outros 1000 registros. Este BD foi dividido em dois BD, um BD para treinamento e o BD para teste. O BD de treinamento contém 1500 registros, onde 750 registros são da classe mau pagador e outros são da classe bom pagador. O BD de teste contém 500 registros, onde 250 registros são da classe bom pagador e os outros 250 registros são da classe mau pagador. Cada registro contém 10 atributos, sendo que 08 atributos são de entrada e 02 atributos são de saída A tabela a seguir descreve cada um desses atributos deste banco. Nome da variável ou do atributo NDEP classes RENDA Descrição Número de dependente s Renda familiar VBEM Valor do bem NPARC Número de parcela VPARC Valor da parcela IDADE Idade do cliente RESMS Tempo de residência atual ENTRADA Quanto vai pagar de entrada Classe_0 Mau pagador Classe_1 Bom pagador Mineração de Dados Exemplo Filhos, pai, mãe, irmãos, sogra, etc. Salário O preço da mercadoria Pagar em 6 vezes O preço de uma parcela 26 anos 3 anos R$ 310,00 de entrada Não paga o empréstimo Paga empréstimo o

3 É caracterizado pela existência de um algoritmo que diante da tarefa específica será capaz de extrair eficientemente conhecimento implícito e útil de um BD, ou seja, a mineração de dados transforma dados em informação. Será usado a modelagem de AG para a mineração de dados, pois os AGs têm sido empregados em mineração de dados para tarefas de classificação e descrição de registros de uma base de dados, além da seleção de atributos da base de dados. Na classificação de registros os modelos de AGs geram regras que exprimem um realidade do domínio da aplicação. Essas regras são de fácil interpretação, o que incentiva o uso dessa técnica, AGs. A classificação será por evolução de regras de associação. Uma regra de associação caracteriza um relacionamento de atributos preditivos com um atributo objetivo, ou atributo meta. Os atributos preditivos compõem a condição de uma regra (parte SE) e o atributo objetivo, a conseqüência (parte ENTÃO). O objetivo do AG nesta tarefa é evoluir regras de associação, de modo que uma regra passa representar cada vez melhor as características de um determinado grupo de registro. Uma regra é considerada melhor que outra sempre que esta gerar solução com mais qualidade. As medidas de qualidade são: Acurácia e Abrangência. Acurácia de uma regra mede o quão boa é a sua solução em função do grau de certeza, ou confiança, obtida através de do conjunto de exemplo. Considere C um conjunto de atributos preditivos (condição da regra) e P a previsão, ou classe de registro. Uma regra de associação da forma SE C ENTÃO P tem uma acurácia dada por: C P Acurácia =, ou seja, o número C P + C P ( ) de registros que satisfazem C e P dividido pelo total de registros que satisfaz C. Abrangência é definida como sendo o número de registro que satisfazem C e P dividido pelo o total de registros que satisfazem P. C P Abrangência =, ou seja, indica ( C P + C P ) quantos registro uma determinada regra cobriu. Descrição da Solução As extrações das regras utilizando RuleEvolver foram feitas da seguintes maneira: primeiro extraímos a melhor regra do BD de treinamento, para encontrar os parâmetros, normalização linear e função avaliação, taxas dos operadores adequados e em seguida extraímos para as melhores regras. Este procedimento é feito para cada um classe, ou seja, para classe boa pagadora e depois para a classe mau pagadora. De posse do conjunto das melhores regras para ambas as classes, será verificada a validação das mesmas através do BD de teste utilizando o Access. Foi feito duas vezes estes procedimento descrito anteriormente, uma vez para um BD de treinamento e o BD para teste e a segunda vez para um novo BD de treinamento, este BD foi gerado da seguinte forma: escolhe aleatoriamente 250 registros da classe mau pagadora e 250 da classe boa pagadora do BD de treinamento anterior e retira esses 500 registros gerando um novo BD para teste com estes registros e inseri o BD de teste anterior para completar o BD de treinamento gerando assim um novo BD de treinamento. As figuras 2 e 3 abaixo ilustram como são gerados estes novos BDs. Classe o BD de treinamento Classe 0 BD de teste Inicial Escolha Aleatória de registros Figura 2 Escolha aleatória dos 250 registros de cada classe para o BD de

4 Taxa de template 30 Nº de regras visualizadas 100 Foi utilizado a normalização linear com um mínimo de 1 e com um máximo de 100. Operadores: 250 registros registros Classe 0 Novo BD de teste Probabilidade Crossover Taxa Seleção Inicial Final 1 ponto pontos Média Uniforme de 500 registros CLASSE registro CLASSE 1 Classe 0 Final Figura 3 São gerados os novos BDs para treinamento e teste A forma em que é apresentado o BD de treinamento ao RuleEvolver pode ter influência no resultado do conjunto das melhores regras, desta forma para ser totalmente imparcial ao resultado no conjunto de regras foi feito a escolha aleatória do BD de treinamento para com isso garantir a imparcialidade no resultado do conjunto de regras. Avaliação dos Resultados Os resultados a seguir foram avaliados em função dos seguintes parâmetros: Parâmetros Total de Rodadas 5 Total de Geração 50 Tamanho da população 100 Elitismo 5 Semente 5 Classe o Novo BD de treinamento Probabilidade Mutação Taxa Seleção Inicial Final Padrão O tipo de inicialização foi aleatória. Foram extraídas 40 regras do BD de treinamento para o primeiro experimento, sendo que 20 regras são da classe mau pagadora e as outra 20 são da bom pagador. As tabelas abaixo mostram as Acurácias e as Abrangências para cada regra: Para a classe boa pagadora de

5 Observando o resultado da verificação da classe boa pagadora foi obtido as seguintes informações: 5% das regras extraídas não cobre nenhum registro, apenas 40% das regras extraídas obtiveram uma acurácia acima de 70% e a abrangência dessas regras foram abaixo de 4%. Isto mostra que o conjunto de regras para a classe boa pagadora não foi muito bom para o BD de treinamento inicial. Para a classe mau pagadora Observando agora o resultado da verificação da classe mau pagadora foi obtido as seguintes informações: 25% da regras não cobriram nenhum registros, 50% das regras obtiveram uma acurácia maior que 70% e abrangência dessas regras foram menor 15%. Este resultado mostra a necessidade de se fazer novo experimento. O segundo experimento foi utilizando o segundo BD de treinamento e BD de teste citado anteriormente. De forma semelhante ao anterior aqui também foram extraídas 40 regras do BD de treinamento para o primeiro experimento, sendo que 20 regras são da classe mau pagadora e as outra 20 são da bom pagador. As tabelas abaixo mostram as Acurácias e as Abrangências para cada regra: Para a classe boa pagadora

6 resultados obtidos foram bem melhor que o experimento anterior. As regras cobriram pelo menos dois registros e 100% das regras obtiveram uma acurácia maior ou igual a 75% com uma abrangência abaixo de 6%. Para este novo experimento, observamos que os resultados obtidos foram bem melhor que o experimento anterior para classe boa pagadora. As regras cobriram pelo menos um registro e 90% das regras obtiveram uma acurácia maior ou igual a 72% com uma abrangência abaixo de 15%. Para a classe mau pagadora Conclusões Os resultados obtidos no segundo experimento mostra que as regras tem um grau confiabilidade em média de 73% para o conjunto de 40 regras, onde 20 regras são para a classe mau pagadora e as outras 20 são da classe boa pagadora. Com este resultado podemos desenvolver um Sistema a de Análise de Concessão de Crédito (SACC) e alcançarmos o nosso objetivo proposto início deste trabalho. O ideal seria uma regra que tivesse uma acurácia igual a um e uma abrangência também igual a um, pois assim teríamos uma única regras a qual classificaria 100% certo os clientes e essa regra cobriria todos registros do BD, neste caso o SACC seria ainda mais confiável. Bibliografia: [ 1 ] Notas de Aula. [ 2 ] Classificação de registros em banco de dados por evolução de regras de associação utilizando Algoritmo Genético Carlos Henrique Pereira Lopes Abril Verificando também o novo experimento, para classe boa pagadora observamos que os

7