Documentos de Académico
Documentos de Profesional
Documentos de Cultura
01 03
Comprension de datos Generacion de
y problema cluster y evaluacion
02 04
EDA Despliegue
INTRODUCCION
Al aplicar algoritmos de clustering, los
bancos pueden detectar posibles fraudes
de manera más eficiente, reduciendo
pérdidas y fortaleciendo la seguridad
financiera, al tiempo que mejoran la
satisfacción y confianza de los clientes
al minimizar falsas alarmas.
01
Comprension de datos y problema
Comprension del problema
Para este caso de análisis el problema se centra en utilizar datos
históricos de alertas de fraudes, respuestas de clientes y
reclamos para mejorar la precisión y eficacia en la detección y
prevención de fraudes. Al comprender mejor cómo las alertas se
relacionan con casos reales de fraude y cómo los clientes
responden a estas alertas, la organización puede tomar
decisiones más informadas para proteger sus activos y mantener
la confianza de los clientes.
14330
Registros
19
Variables
6 13
Categoricas Numericas
Descripcion de
variables
02
EDA
Acciones realizadas
Eleccion de Estandarizacion
variables
Se estandarizo con media 0
Se eliminaron variables no y varianza 1, excluyendo la
nombradas en descripcion columan RUT
de variables
PCA y LOF
Datos faltantes
Se uso PCA para la
Se comprobro la
reduccion de la
inexstincia de datos
dimensionalidad y LOF
faltantes
para la deteccion de datos
anomalos
Visualización PCA
Histograma LOF
Matriz de correlación
03
Generación de cluster y evaluación
TIPOS DE CLUSTER
Estas propuestas y decisiones no solo buscan proteger mejor a los clientes, sino también ofrecer
servicios personalizados, mejorando así la confianza y satisfacción del cliente.
Muchas Gracias