Generador de Dataset: credit_risk_dataset.csv

TP 4 · Regresión Logística & Clasificación

Estadística Aplicada y Modelos de Regresión (2026) • Unidad 4: Clasificación Binaria & Bayes Óptimo

Configuración del Grupo & Semilla

Hasta 3 integrantes

Seleccione la cantidad de integrantes del grupo e ingrese los últimos 3 dígitos del DNI de cada uno. La semilla resultante (3 dígitos por integrante) calibrará la cartera crediticia única de su equipo.

#1
#2
#3
Semilla Calculada (Seed)
---
Ingrese 3 dígitos por integrante
Muestra (N)
—
Solicitudes
Tasa Default
—
Poblacional ~22%
Target (Y)
loan_status
0=Cumplió, 1=Default
Semilla DNI
—
Pendiente de ingreso
Archivo oficial: credit_risk_dataset.csv

Scorecard de Riesgo & Optimización de Costos

Modelado predictivo de riesgo de crédito mediante Regresión Logística y Naive Bayes. El dataset contiene atributos demográficos, historial financiero y condiciones del préstamo, incluyendo datos sucios (ingresos negativos, edades extremas y nulos) que deben ser auditados antes del entrenamiento.

•
Matriz de Costos Asimétrica: Falso Negativo cuesta 5 veces más que Falso Positivo. Se evalúa umbral óptimo τ*.
•
Odds Ratios: Interpretación multiplicativa de riesgos relativos sobre el historial y la tasa de interés.

Vista Previa del Dataset Generado

Inspección de las primeras filas generadas con el PRNG determinístico

Esperando DNI

Ningún dataset generado aún

Ingrese los últimos 3 dígitos del DNI de los integrantes en el panel de configuración superior para generar y descargar los datos.

código_verificación_tp4.py
import pandas as pd
import numpy as np
import statsmodels.api as sm
from sklearn.metrics import roc_auc_score, roc_curve

# Cargar dataset descargado
df = pd.read_csv("credit_risk_dataset.csv")

# 1. Auditoría y Limpieza de Datos Sucios
print("Registros totales:", len(df))
print("Valores nulos:\n", df.isnull().sum())
print("Edades no biológicas (<18 o >100):", ((df['person_age'] < 18) | (df['person_age'] > 100)).sum())
print("Ingresos negativos o cero:", (df['person_income'] <= 0).sum())

# Filtrar anomalías identificadas
df_clean = df[
    (df['person_age'].between(18, 100)) &
    (df['person_income'] > 0) &
    (df['person_income'].notna()) &
    (df['loan_int_rate'].notna()) &
    (df['person_home_ownership'] != 'UNKNOWN')
].copy()

# 2. Codificación y Regresión Logística
df_clean['default_flag'] = (df_clean['cb_person_default_on_file'] == 'Y').astype(int)
df_clean = pd.get_dummies(df_clean, columns=['person_home_ownership'], drop_first=True, dtype=int)

features = ['loan_percent_income', 'default_flag', 'loan_int_rate', 'person_age']
X = sm.add_constant(df_clean[features])
y = df_clean['loan_status']

logit_model = sm.Logit(y, X).fit()
print(logit_model.summary())
print("Odds Ratios:\n", np.exp(logit_model.params))