Resumen

El uso del crédito ha crecido considerablemente en los últimos años. Los bancos e instituciones financieras enfrentan riesgos crediticios para llevar a cabo sus negocios. El buen manejo de estos riesgos es un factor clave para aumentar la rentabilidad. Por lo tanto, cada banco necesita predecir los riesgos crediticios de sus clientes. La predicción de riesgos crediticios ha sido ampliamente estudiada en el campo de la minería de datos como un problema de clasificación. Este artículo propone un nuevo clasificador que utiliza principios inmunes y reglas difusas para predecir factores de calidad de individuos en bancos. El modelo propuesto se combina con la clasificación de patrones difusos para extraer reglas difusas si-entonces precisas. En nuestro modelo propuesto, hemos utilizado la memoria inmune para recordar las buenas células B durante el proceso de clonación. Hemos diseñado dos formas de memoria: memoria simple y memoria de n-capas. Se seleccionan dos conjuntos de datos de crédito del mundo real en el repositorio de aprendizaje automático de UCI como datos experimentales para

• Materias:Algoritmo genético Razonamiento borroso Conjunto difuso Entropía difusa
• Subjects:Genetic algorithm Fuzzy reasoning Fuzzy set Fuzzy Entropy
• Palabras claves:Uso del crédito; Riesgos de crédito; Gestión; Rentabilidad; Predicción; Clasificador
• Keywords:Use of credit; Credit risks; Management; Profitability; Prediction; Classifier