CLASIFICACIÓN DE CLIENTES DE LA INDUSTRIA BANCARIA POR MÉTODOS ESTADÍSTICOS Y REDES NEURONALES ARTIFICIALES USANDO R (CLASSIFICATION OF CUSTOMERS BELONGING TO BANKING INDUSTRY BY STATISTICAL METHODS AND ARTIFICIAL NEURAL NETWORKS USING R)

Resumen

Resumen

Esta investigación aborda el problema de la clasificación de clientes pertenecientes al sector bancario utilizando tres métodos diferentes de clasificación supervisada. Los métodos estadísticos utilizados fueron la regresión logística binaria y el análisis discriminante lineal. Adicionalmente, se utilizó un método de Inteligencia Artificial, como son, las redes neuronales artificiales.  Se utilizó lenguaje R como herramienta para la construcción y validación de los métodos estadísticos y de Inteligencia Artificial. Como estrategia de validación se dividió el total de conjunto de observaciones en varios subconjuntos para entrenamiento y validación de los modelos ajustados, realizando en cada corrida una prueba de hipótesis que permite comparar las proporciones de clasificaciones correctas y determinar si existe evidencia estadística de que algún método es mejor. Finalmente se presentaron resultados y conclusiones enfocándose en la exactitud de la predicción de la clasificación, las pruebas de hipótesis y los tamaños de muestra utilizado durante el entrenamiento.

Palabras Clave: análisis discriminante, clasificación, lenguaje R, redes neuronales artificiales, regresión logística.

 Abstract

This research addressed the problem of the accuracy of the customer classification of customer belonging to the banking sector using three different methods of supervised classification. The statistical methods used were binary logistic regression and linear discriminant analysis. Additionally, an Artificial Intelligence method was used, such as artificial neural networks. R language was used as a tool for the construction and testing of both statistical and Artificial Intelligence methods. As a validation strategy, the total set of observations was divided into several subsets for training and validation of the adjusted models (cross validation), performing in each run a hypothesis test that allows to compare the proportions of correct classifications and determine if there is statistical evidence that some method was better. Finally, results and conclusions were presented focusing on the prediction accuracy in the classification, the hypothesis tests and the sample size used during the training.

Keywords: artificial neural networks, classification, discriminant analysis, logistic regression, R language.