Machine Learning(o "aprendizaje de las m谩quinas"/"aprendizaje autom谩tico") es una disciplina que busca聽detectar autom谩ticamente patrones de datos mediante algoritmos de clasificaci贸n, entrenamiento, pruebas y optimizaci贸n, con la finalidad de dar un posible resultado a una inc贸gnita con base en el aprendizaje adquirido.
Estas metodolog铆as se pueden implementar en la medici贸n de riesgos, permitiendo determinar probabilidades de p茅rdidas para un evento con base en sus caracter铆sticas y el comportamiento que han tenido eventos con caracter铆sticas similares a trav茅s del tiempo.
聽
Por ejemplo, en Riesgo聽de聽Cr茅dito se utilizan modelos de Machine Learning para determinar la probabilidad de incumplimiento de un cliente en el pago de las cuotas de su operaci贸n de cr茅dito, basado en el comportamiento que han tenido clientes con caracter铆sticas similares a trav茅s de los a帽os.
聽
A continuaci贸n usaremos un ejemplo sumamente b谩sico para entender lo explicado anteriormente:
Supongamos que nuestra instituci贸n en toda su historia ha tenido 煤nicamente 5 clientes, y para esos clientes hemos determinado dos variables que resultan ser significativas al momento de explicar por qu茅 tiene o no tiene un cr茅dito sano.
De pronto llega un nuevo cliente a solicitar un cr茅dito. 驴Con base en experiencias pasadas expuestas en el siguiente cuadro, podr铆as predecir si el cliente desarrollar谩聽o no un cr茅dito sano?
聽
Haz una pausa para analizar el cuadro y establece tu deducci贸n.
聽
Resultado: Teniendo en cuenta nuestros datos pasados, los clientes que han tenido los mismos valores en Variable 1 y Variable 2 respecto al cliente nuevo, no han tenido cr茅ditos sanos. Y por lo tanto es muy probable que nuestro cliente nuevo tampoco vaya a tener una sana operaci贸n de cr茅dito con nosotros.
聽
Este patr贸n que acabamos de hallar, es un ejemplo de lo que buscan encontrar los modelos de Machine Learning entre millones de registros con cientos de variables, para con los resultados tratar de deducir de forma autom谩tica los futuros resultados de miles de clientes con聽variedad de diferentes caracter铆sticas.
聽


