Prediction of active debt in the State of Pernambuco, Brazil Application of techniques the data mining

##plugins.themes.bootstrap3.article.main##

Álvaro Farias Pinheiro
http://orcid.org/0000-0002-6254-7293
João Alberto da Silva Amaral
http://orcid.org/0000-0002-8141-4787
Geraldo Torres Galindo Neto
http://orcid.org/0000-0001-7244-8822
José Nilo Martins Sampaio
http://orcid.org/0000-0002-1752-9926
Wedson Lino Soares
http://orcid.org/0000-0002-0078-3944

Resumo

Aplicação de técnicas de mineração de dados (DM) para otimizar o processo de cobrança de dívidas ativas (AD) do Estado de Pernambuco, Brasil. Aplicamos as seguintes técnicas de mineração de dados: Árvore de Decisão (DT), Regressão Logística (LR), Nayve bayes (NB), Máquina de Vetor de Suporte (SVM), também aplicada à técnica Random Forest, considerada um método de montagem. Observamos que a técnica de RF obteve melhores resultados que todas as técnicas de classificação, atingindo valores mais altos em todas as métricas analisadas. Observamos que a criação de um modelo de mineração de dados para escolher quais dívidas podem ser bem-sucedidas no processo de coleta pode trazer benefícios para o governo de pernambuco. Com a aplicação da técnica de RF, obtivemos índices acima de 85% na avaliação das métricas.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Pinheiro, Álvaro, da Silva Amaral, J., Galindo Neto, G., Martins Sampaio, J., & Soares, W. (2020). Prediction of active debt in the State of Pernambuco, Brazil. Revista De Engenharia E Pesquisa Aplicada, 5(1), 88-95. https://doi.org/10.25286/repa.v5i1.1299
Seção
Edição Especial em Ciência de Dados e Analytics