PONTIFICIA UNIVERSIDAD CATLICA DE VALPARASO

FACULTAD DE INGENIERA
ESCUELA DE INGENIERA INFORMTICA








PREDICCIN DE FUGAS DE CLIENTES EN UNA
COMPAA DE SEGUROS UTILIZANDO REDES
NEURONALES ARTIFICIALES EVOLUTIVAS




CLAUDIO IGNACIO MARTNEZ ROMERO












TESIS DE GRADO
MAGSTER EN INGENIERA INFORMTICA




Diciembre de 2010
Pontificia Universidad Catlica de Valparaso
Facultad de Ingeniera
Escuela de Ingeniera Informtica




PREDICCIN DE FUGAS DE CLIENTES EN UNA
COMPAA DE SEGUROS UTILIZANDO REDES
NEURONALES ARTIFICIALES EVOLUTIVAS




CLAUDIO IGNACIO MARTNEZ ROMERO


Profesor Gua: Jos Luis Mart Lara






Programa: Magster en Ingeniera Informtica




Diciembre de 2010


Resumen

Resumen

En este trabajo se presenta un modelo que permite predecir la fuga de clientes de una compaa de seguros
bajo el contexto de inteligencia de negocios. Este modelo predictivo es obtenido mediante la aplicacin de
distintas tcnicas de minera de datos usadas en un problema de clasificacin binaria, donde el modelo deba
explicar el comportamiento de los clientes (fuga o no fuga). Los resultados obtenidos, mediante el anlisis de
datos, son discutidos por el experto de negocio y ayudan a explicar el fenmeno de fuga, y tomar las medidas
necesarias para aumentar la tasa de retencin de clientes.

Palabras claves: inteligencia de negocios, fuga de clientes, minera de datos, clasificacin binaria, modelo
predictivo.


Abstract

This thesis presents a predictive model solution to forecast the insurance company churn, under context
business intelligence. The predictive model is obtained using different techniques of data mining, applied to
a binary classification problem, where the model must to explain the costumers behavior (churn or not). The
results obtained by data analysis are discussed with the business expert and they are useful to explain the
churn phenomena and took the actions for increase customer retention.

Key words: business intelligence, customer churn, data mining, binary classification, predictive model.



ndice de Contenido
INTRODUCCIN............................................................................................................................................ 10
DESCRIPCIN DEL PROBLEMA ................................................................................................................ 11
1.1 DESCRIPCIN DEL MERCADO DE SEGUROS .................................................................................... 11
1.2 DESCRIPCIN DE LA EMPRESA ....................................................................................................... 13
1.3 SITUACIN ACTUAL....................................................................................................................... 13
1.4 JUSTIFICACIN DE RESOLVER EL PROBLEMA. ................................................................................. 13
1.5 OBJETIVOS DE LA INVESTIGACIN.................................................................................................. 14
1.5.1 Objetivo General ...................................................................................................................... 14
1.5.2 Objetivos Especficos ............................................................................................................... 15
1.6 ALCANCES Y/O LIMITACIONES DEL TRABAJO ................................................................................. 15
ESTADO DEL ARTE...................................................................................................................................... 16
2.1 PROCESO DE DESCUBRIMIENTO DEL CONOCIMIENTO..................................................................... 16
2.1.1 Entendimiento del Problema..................................................................................................... 17
2.1.2 Seleccin................................................................................................................................... 18
2.1.3 Preprocesamiento...................................................................................................................... 18
2.1.4 Transformacin......................................................................................................................... 18
2.1.5 Minera de datos ....................................................................................................................... 18
2.1.6 Interpretacin de los resultados ................................................................................................ 20
2.2 PROCESO PARA MINERA DE DATOS................................................................................................ 20
2.2.1 CRISP-DM............................................................................................................................... 20
2.2.2 SEMMA ................................................................................................................................... 23
2.2.3 Comparacin entre KDD, CRISP-DM y SEMMA................................................................... 25
2.3 TCNICAS Y ALGORITMOS PARA EL MODELADO PREDICTIVO. ........................................................ 25
2.4 CREACIN DE LOS MODELOS PREDICTIVOS. .................................................................................. 26
2.4.1 Representacin de un Modelo .................................................................................................. 26
2.4.2 Mtodos de bsqueda y optimizacin....................................................................................... 27
2.5 REDES NEURONALES ARTIFICIALES. .............................................................................................. 29
2.5.1 Historia de las Redes Neuronales ............................................................................................. 30
2.5.2 Modelo de Redes Neuronales ................................................................................................... 31
2.5.3 Arquitectura de Redes Neuronales Artificiales......................................................................... 32
2.5.4 Aprendizaje de una Red Neuronal Artificial ............................................................................ 34
2.5.5 Algoritmos de Aprendizaje....................................................................................................... 34
2.5.6 Redes Neuronales Artificiales Evolutivas ................................................................................ 37
2.6 EXTRACCIN DE REGLAS DESDE UNA RED NEURONAL. ................................................................. 41


2.7 CRITERIOS DE VALIDACIN DE UN MODELO. ................................................................................. 43
DISEO DE LA SOLUCIN.......................................................................................................................... 46
3.1 SELECCIN Y DESCRIPCIN DE VARIABLES .................................................................................... 46
3.2 PREPROCESAMIENTO DE DATOS ..................................................................................................... 48
3.3 TRANSFORMACIN DE DATOS ........................................................................................................ 49
3.4 SELECCIN DE LA TCNICA DE MINERA DE DATOS ........................................................................ 49
3.5 EVALUACIN Y DISCUSIN DE RESULTADOS .................................................................................. 51
ANLISIS Y PREPARACIN DE LOS DATOS ......................................................................................... 52
4.1 DESCRIPCIN, EXPLORACIN Y ANLISIS DE CALIDAD DE LOS DATOS............................................ 52
4.2 PREPARACIN DE LOS DATOS ......................................................................................................... 65
4.2.1 Seleccin de variables. ............................................................................................................. 65
4.2.2 Limpieza de datos. .................................................................................................................... 65
4.2.3 Cambio de Formato de Variables ............................................................................................. 67
4.2.4 Generacin de nuevas variables................................................................................................ 69
4.2.5 Escalamiento de Variables........................................................................................................ 69
4.3 RESUMEN DEL CAPTULO................................................................................................................ 70
APLICACIN DE MINERA DE DATOS..................................................................................................... 71
5.1 GENERACIN DE CONJUNTO DE DATOS PARA LA GENERACIN DE MODELOS.................................. 71
5.2 AJUSTE DE PARMETROS................................................................................................................ 72
5.2.1 Parmetros fijos ........................................................................................................................ 72
5.2.2 Parmetros configurables ......................................................................................................... 72
5.2.3 Experimentos de Ajustes de Parmetros................................................................................... 73
5.2.4 Funcin de Activacin.............................................................................................................. 78
5.2.5 Experimentos de Ajustes de Nodos de Capa Oculta................................................................. 78
EVALUACIN Y DISCUSIN DE RESULTADOS..................................................................................... 81
7.1 RENDIMIENTO DE RED NEURONAL................................................................................................. 81
7.2 EXTRACCIN DE REGLAS DEL MODELO DE RED NEURONAL............................................................ 83
7.3 ANLISIS DE SENSIBILIDAD DE VARIABLES .................................................................................... 86
CONCLUSIONES Y TRABAJO FUTURO.................................................................................................... 88
8.1 CONCLUSIONES DEL USO DE REDES NEURONALES .......................................................................... 88
8.2 CONCLUSIONES DEL NEGOCIO........................................................................................................ 89
8.3 TRABAJO FUTURO .......................................................................................................................... 89
8.4 CONCLUSIONES PERSONALES......................................................................................................... 89
REFERENCIAS BIBLIOGRFICAS ............................................................................................................. 91



ndice de Figuras
Figura 1: Nmero de Participantes en el Mercado Asegurador........................................................................ 12
Figura 2: Comportamiento de Inversiones en el Mercado Asegurador ............................................................ 12
Figura 3: Beneficios generados por un cliente fidelizado................................................................................. 14
Figura 4: Etapas del KDD................................................................................................................................ 17
Figura 5: Etapas del modelo de referencia CRISP-DM.................................................................................... 23
Figura 6: Taxonoma de algoritmos de clasificacin........................................................................................ 26
Figura 7: Representacin de modelo por hiperplanos ...................................................................................... 26
Figura 8: Red Neuronal Artificial..................................................................................................................... 32
Figura 9: Red Feedforward............................................................................................................................... 33
Figura 10: Red Recurrente................................................................................................................................ 33
Figura 11: Taxonoma de Algoritmos Evolutivos ............................................................................................ 37
Figura 12: Representacin de curva ROC........................................................................................................ 45
Figura 13: Ejemplo de valor fuera de rango..................................................................................................... 49
Figura 14: Distribucin de Nmero de plizas contratadas .......................................................................... 52
Figura 15: Distribucin Monto Total de Primas ........................................................................................... 53
Figura 16: Prima Mensual (UF) ....................................................................................................................... 54
Figura 17: Distribucin de variable Frecuencia de Pago .............................................................................. 54
Figura 18: Distribucin Meses pagados por pliza....................................................................................... 55
Figura 19: Lneas de Producto.......................................................................................................................... 56
Figura 20: Modo de Pago ................................................................................................................................. 56
Figura 21: Grupo Socioeconmico................................................................................................................... 57
Figura 22: Distribucin de variable Ocupacin ............................................................................................ 58
Figura 23: Distribucin variable Sexo .......................................................................................................... 58
Figura 24: Distribucin de variable Edad ..................................................................................................... 59
Figura 25: Indicador de Lealtad........................................................................................................................ 60
Figura 26: Grupo Socioeconmico del Agente Emisor .................................................................................... 61
Figura 27: Sucursal Agente Emisin................................................................................................................ 61
Figura 28: Distribucin Edad Asesor........................................................................................................... 62
Figura 29: Estado Civil Asesor......................................................................................................................... 63
Figura 30: Estado de Pliza.............................................................................................................................. 64
Figura 31: Comparacin del error para Vmax=0.1........................................................................................... 74
Figura 32: Comparacin del error para Vmax=0.05......................................................................................... 74
Figura 33: Comparacin del error para Vmax=0.15......................................................................................... 75
Figura 34: Comparacin del error para Vmax=0.2........................................................................................... 76


Figura 35: Comparacin del error para parmetro w........................................................................................ 77
Figura 36: Comparacin del error para parmetros r1 y r2 .............................................................................. 78
Figura 37: Comparacin de cantidad de aciertos.............................................................................................. 80
Figura 38: Curva ROC ..................................................................................................................................... 82



ndice de Tablas

Tabla 1: Tiempo e importancia de las fases...................................................................................................... 17
Tabla 2: Ejemplo de matriz de confusin......................................................................................................... 43
Tabla 3: Variables asociadas a la pliza de seguro........................................................................................... 47
Tabla 4: Variables de comportamiento de cliente ............................................................................................ 47
Tabla 5: Variables asociadas al asesor de pliza .............................................................................................. 47
Tabla 6: Variables asociadas al cliente (demogrficas).................................................................................... 48
Tabla 7: Variable objetivo................................................................................................................................ 48
Tabla 8: Porcentaje y Frecuencia de Monto Total de Primas........................................................................ 53
Tabla 9: Frecuencia y Porcentaje de variable Frecuencia de Pago ............................................................... 55
Tabla 10: Frecuencia y Porcentaje de variable Grupo Socioeconmico....................................................... 57
Tabla 11: Indicador de Lealtad/Estado de Pliza ............................................................................................. 60
Tabla 12: GSE Sucursal Agente Emisin/Estado de Pliza ............................................................................. 62
Tabla 13: Estado Civil Asesor/Estado de Pliza .............................................................................................. 63
Tabla 14: Seleccin de Variables de estudio.................................................................................................... 65
Tabla 15: Resumen de casos duplicados .......................................................................................................... 66
Tabla 16: Resumen de % de datos faltantes ..................................................................................................... 66
Tabla 17: Cotas superior e inferior para variables............................................................................................ 67
Tabla 18: Cambio de formato de variables categricas.................................................................................... 68
Tabla 19: Cambio de formato de variables de fecha ........................................................................................ 69
Tabla 20: Resumen de generacin de nuevas variables.................................................................................... 69
Tabla 21: Configuraciones para , c1 y c2 ................................................................................................ 73
max
V
Tabla 22: Resultados para Vmax=0.1............................................................................................................... 73
Tabla 23: Resultados para Vmax=0.05............................................................................................................. 74
Tabla 24: Resultados para Vmax=0.15............................................................................................................. 75
Tabla 25: Resultados para Vmax=0.2............................................................................................................... 75
Tabla 26: Configuraciones para parmetro w................................................................................................... 76
Tabla 27: Resultados para parmetro w............................................................................................................ 76
Tabla 28: Configuraciones para parmetros r1 y r2 ......................................................................................... 77
Tabla 29: Resultados para parmetro r1 y r2.................................................................................................... 77
Tabla 30: Resultados configuracin de nodos capa oculta ............................................................................... 79
Tabla 31: Mejor Configuracin de Red Neuronal Evolutiva............................................................................ 81
Tabla 32: Matriz de Confusin......................................................................................................................... 82
Tabla 33: Matriz de Confusin 2...................................................................................................................... 83
Tabla 34: Matriz de pesos sinpticos................................................................................................................ 84
Tabla 35: Centros obtenidos de algoritmo K-means......................................................................................... 84



Tabla 36: Cluster definidos para los pesos ....................................................................................................... 85
Tabla 37: Variables ms influyentes ................................................................................................................ 87



Introduccin


Las organizaciones modernas disponen cada vez de ms datos sobre sus negocios; de stos pueden
obtener informacin relevante para mejorar el desempeo e innovar en procesos para transformarse en
entidades ms competitivas y exitosas. En este punto es donde la inteligencia de negocios provee de distintas
herramientas y tcnicas, que permiten ser implementadas en las diferentes reas del negocio. Estos recursos
podran definirse como las tecnologas, aplicaciones y prcticas para la recoleccin, integracin, anlisis y
presentacin de informacin que permite apoyar y mejorar la toma de decisiones.
La prediccin de la fuga de clientes ha sido una arista de intensivo estudio por parte de las empresas
prestadoras de bienes y servicios. Esto se centra en que la cartera de clientes es uno de los mayores activos
para cualquier institucin, lo que genera incentivos para mantener y aumentar el nmero de clientes que la
componen; mantenerlos genera ventajas competitivas sustentables en el tiempo, puesto que entregan
utilidades en el largo plazo. Considerando el desafo de obtener una alta tasa de retencin de clientes, en los
ltimos aos se han utilizado diferentes mtodos para encontrar patrones de comportamiento para predecir la
fuga de clientes. Dentro de estos mtodos se encuentran algoritmos de clasificacin basados en redes
neuronales, lgica difusa, redes bayesianas, rboles de decisin y regresin logstica, entre otros.
La organizacin elegida para este trabajo corresponde a una compaa de seguros de vida, cuyo objetivo
principal es obtener un modelo que permita identificar patrones de comportamiento de los clientes con mayor
probabilidad de fuga, y as realizar una accin temprana con el fin de enfocar nuevas estrategias de retencin,
orientados a los segmentos indicados, adems de analizar las posibles causas que motivan este
comportamiento.
La estructura del presente documento se encuentra estructurado como sigue: en el captulo 1 se plantea
la descripcin del problema, partiendo con una breve introduccin al mercado de seguros y en especial el
mercado de seguros de vida. En el captulo 2 se presenta el estado del arte de la inteligencia de negocios y
minera de datos, con la descripcin de las metodologas y tcnicas utilizadas para resolver el problema de
clasificacin binaria. En el captulo 3 se expone el diseo de la solucin detallando cada etapa del trabajo
realizado, mientras que el captulo 4 contiene el anlisis y preparacin de los datos del estudio. En el captulo
5 se realiza la aplicacin de la minera de datos. Finalizando se presentan las conclusiones y el trabajo futuro
propuesto.

10

CAPTULO 1

Descripcin del Problema

1.1 Descripcin del Mercado de Seguros

La venta de seguros en Chile puede ser realizada por compaas de seguros generales, denominadas
de primer grupo, o por compaas de seguros de vida, llamadas de segundo grupo. Las primeras cubren el
riesgo de prdida o deterioro de los bienes o el patrimonio, mientras que las compaas de seguros de vida
cubren los riesgos de las personas o bien garantizan a sta, dentro o al trmino de un plazo, un capital, una
pliza saldada o una renta para el asegurado y/o sus beneficiarios. En forma excepcional, los riesgos de
accidentes personales y los de salud pueden ser cubiertos por ambos tipos de compaas.
Los riesgos de crdito slo pueden asegurarse en compaas de seguros generales que tengan por
objeto exclusivo precisamente cubrir este tipo de riesgo pudiendo, adems, cubrir los de garanta y fidelidad.
Las compaas de seguros slo pueden ser sociedades annimas constituidas en Chile con dicho
objeto exclusivo. En consecuencia, las entidades aseguradoras extranjeras no pueden ofrecer ni contratar
seguros en Chile, directamente o a travs de intermediarios. La infraccin de esta prohibicin es constitutiva
de delito.
La contratacin de un seguro se formaliza mediante la emisin de una pliza de seguro, la cual es el
documento justificativo del contrato que establece los derechos y obligaciones del asegurado y del
asegurador. Mediante este contrato el asegurador se obliga, en el caso que se produzca un siniestro cubierto
por la pliza, a indemnizar al asegurado o a sus beneficiarios de acuerdo a las condiciones del seguro; por su
parte, el asegurado se obliga al pago de una prima estipulada en la pliza. Como excepcin, podr contratarse
con modelos no registrados tratndose de seguros generales en que tanto asegurado como beneficiario sean
personas jurdicas, y cuando la prima anual sea superior a UF 200.
Las primas de seguros en Chile son fijadas libremente por los aseguradores. Asimismo, las
comisiones por intermediacin tambin son libremente convenidas entre asegurador y corredor de seguros,
dejndose constancia de ella en la respectiva pliza.
Las compaas aseguradoras deben contratar sus seguros utilizando los modelos de plizas y
clusulas que se encuentran registrados en el Registro de Plizas de la Superintendencia de Valores y Seguros
(SVS) [1]. sta corresponde al organismo gubernamental encargado de la supervisin y regularizacin de las
compaas de seguros, cuyo objetivo es velar el cumplimiento de las leyes, reglamentos, estatutos y otras
disposiciones que rijan el funcionamiento de estos mercados.
11

En la figura 1 se puede apreciar el crecimiento del mercado desde 1985 hasta el 2008. Se evidencia la
participacin de las empresas a las cuales corresponde la venta efectiva de seguros, tanto de seguros de vida
como para seguros generales.

0
1000
2000
3000
4000
5000
6000
7000
8000
1
9
8
5
1
9
8
6
1
9
8
7
1
9
8
8
1
9
8
9
1
9
9
0
1
9
9
1
1
9
9
2
1
9
9
3

1
9
9
4
1
9
9
5
1
9
9
6
1
9
9
7
1
9
9
8
1
9
9
9
2
0
0
0
2
0
0
1
2
0
0
2
2
0
0
3
2
0
0
4
2
0
0
5
2
0
0
6
2
0
0
7
2
0
0
8
Seguros Generales Seguros de Vida
Mercado

Figura 1: Nmero de Participantes en el Mercado Asegurador

Otro fenmeno que se puede observar en la figura 2, es el aumento de las inversiones de las
compaas aseguradoras, siendo el mercado de seguros de vida el que ms inversiones tiene. Esta estadstica
indica que este mercado es altamente competitivo por lo cual, para tener mejores ingresos, debe existir una
buena poltica para captar nuevos clientes y fidelizar al los existentes.

0
5000
10000
15000
20000
25000
30000
35000
40000
1
9
8
5
1
9
8
6
1
9
8
7
1
9
8
8
1
9
8
9
1
9
9
0
1
9
9
1
1
9
9
2
1
9
9
3

1
9
9
4
1
9
9
5
1
9
9
6
1
9
9
7
1
9
9
8
1
9
9
9
2
0
0
0
2
0
0
1
2
0
0
2
2
0
0
3
2
0
0
4
2
0
0
5
2
0
0
6
2
0
0
7
2
0
0
8
Generales Vida Mercado

Figura 2: Comportamiento de Inversiones en el Mercado Asegurador
12

1.2 Descripcin de la Empresa

La empresa dnde se realiz el estudio es una compaa de seguros del mercado chileno,
perteneciente a un grupo internacional ligado a los seguros con ms de ochenta aos en el mercado.
En los aos ochenta, ubic su primera oficina en el centro de Santiago y tiempo despus comenz la
expansin a regiones, comenzando en Via del Mar, Chilln, Concepcin, San Felipe y Temuco. En 1987,
como respuesta a la necesidad de un mayor respaldo tecnolgico, se cre una empresa de soporte
computacional especial para seguros, pensiones y servicios financieros. Poco tiempo despus, se fortalece el
negocio con la creacin de rentas vitalicias como apoyo a los clientes que inician su jubilacin.
El ao 1998 fue nombrado Asegurador Oficial de la segunda Cumbre de las Amricas que se realiz
en Chile logrando la clasificacin AAA por la prestigiosa clasificadora de riesgo internacional Duff & Phelps
[1].

1.3 Situacin Actual

Las estrategias que toma cada compaa con el fin de retener a los clientes, son vitales para
mantenerlos cautivos. La empresa de estudio no posee un modelo concreto para la deteccin de fugas de sus
clientes, por lo tanto, las decisiones se basan principalmente sobre un anlisis multidimensional de los datos, y
en el propio conocimiento de los analistas de negocio.
La consecuencia de lo anterior es que poseen un elevado nmero de clientes que son falsos
positivos, es decir, que son incluidos dentro del segmento objetivo al que se le aplicarn acciones de
retencin, siendo que este incremento genera una carga de trabajo y de recursos excesiva para el
Departamento de Ventas, ya que se le aplican ofertas y se les planifica realizar visitas. Esta carga origina, por
otro lado, que a muchos de los potenciales clientes en fuga no se les aplique las acciones de retencin.

1.4 Justificacin de resolver el problema.

La identificacin del cliente de forma temprana permite la aplicacin de estrategias de fidelizacin y
retencin de manera eficaz y eficiente. Existen estudios en el que demuestran beneficio tangible para las
empresas con las polticas de retencin [2]; un ejemplo claro es el aumento de los ingresos generados por el
incremento en promedio del nmero de plizas contratadas. Por otra parte, al tener una pronta identificacin
de potenciales clientes a fuga, es posible mejorar la focalizacin de los recursos utilizados por las estrategias
de retencin. Esta focalizacin permite optimizar los esfuerzos sobre los clientes ms propensos y que
realmente necesitan acciones de retencin.
Otro punto importante a considerar, es que al perder un cliente inmediatamente se gatilla la accin de
atraer uno nuevo, el cual, al desconocer su comportamiento a priori, podra ser potencialmente ms peor
cliente que el perdido.
13

Como se aprecia en la figura 3, los beneficios generados por un cliente en lo largo del tiempo, se
comportan de la siguiente manera: durante el ao 0, se realiza la incorporacin del cliente, aqu slo se genera
costos de incorporacin del cliente, producto de los costos operativos de gestin y venta de plizas de seguro.
Cabe destacar que en el mercado asegurador, esto representa los costos ms altos en el ejercicio. Desde el ao
1 en delante, se observa un crecimiento de los beneficios generados por el cliente, en base a la reduccin de
costos operativos y a las referencias que ste entrega a sus cercanos, lo que indirectamente disminuye el costo
de buscar un cliente [3].


Figura 3: Beneficios generados por un cliente fidelizado

Como conclusin y justificacin, resulta muy importante contar con un buen modelo de prediccin
de fugas que complemente y ayude a la institucin, ya que los beneficios esperados de retener al cliente, en
vez de remediar la fuga con la captacin de nuevos, son mayores y menos costos para la institucin en
cuestin.

1.5 Objetivos de la investigacin

1.5.1 Objetivo General

Obtener un modelo de prediccin de fugas enfocado a los clientes de seguros de vida, mediante tcnicas
de minera de datos, que permita mejorar las acciones de retencin de clientes.



14

15
1.5.2 Objetivos Especficos

- Investigar la aplicacin de modelos predictivos en el fenmeno de fugas de clientes en instituciones
prestadoras de servicios.

- Comprender el comportamiento de los clientes a partir de sus datos histricos.

- Generar nuevo conocimiento para la organizacin respecto a su cartera de clientes.

- Entregar y validar la informacin clave al analista para crear nuevas estrategias y polticas
comerciales para la retencin de clientes.

1.6 Alcances y/o limitaciones del trabajo

El presente trabajo se enmarca en el estudio y obtencin de un modelo predictivo para detectar
clientes que cierren sus plizas de vida o de accidentes personales de manera voluntaria, quedando fuera del
estudio, las plizas de seguros generales, o que hayan sido cerradas por otros motivos adicionales a los
mencionados. Queda fuera de alcance del presente trabajo, la generacin de las polticas de retenciones en
base a los resultados obtenidos, o apoyo en decisiones comerciales asociadas a la empresa en la cual se
desarroll esta investigacin.

CAPTULO 2

Estado del Arte


En este captulo se presentan las bases tericas de la investigacin y los conocimientos que se deben
tener presentes en la realizacin de la misma. El captulo comienza explicando los distintos procesos
existentes para el descubrimiento del conocimiento en bases de datos, realizando una comparacin entre ellas,
posteriormente se presenta breve introduccin de algoritmos de prediccin y tcnicas utilizadas para resolver
problemas de clasificacin, ms las consideraciones para construir un modelo predictivo. Seguidamente se
profundiza en las redes neuronales, sus caractersticas, adems de mencionar algoritmos evolutivos y de la
generacin de una tcnica hbrida de redes neuronales evolutivas, adems se incorpora un resumen de las
tcnicas utilizadas para la extraccin de reglas a partir de una red neuronal entrenada. Finalmente se presentan
lo mtodos de evaluacin de un algoritmo de clasificacin.

2.1 Proceso de Descubrimiento del Conocimiento

El proceso de descubrimiento del conocimiento (KDD) es en el cual se realza seleccin, pre-
procesamiento, sub-muestreo y transformaciones de la data contenida en una base de datos; para luego aplicar
mtodos o algoritmos de minera de datos e identifican un subconjunto de patrones enumerados que llegarn
a ser el conocimiento. En otras palabras una definicin ms apropiada sera el siguiente: Consiste en un
proceso no trivial, de identificar patrones previamente desconocidos, vlidos, nuevos, potencialmente tiles y
comprensibles dentro de los datos" [4]. Cabe destacar que este proceso es iterativo e interactivo entre cada
una de las distintas etapas, ya que pequeos cambios en cualquiera de stas puede afectar de gran manera el
resultado final. En la figura 4 se observan las distintas etapas dentro de un proceso KDD.

16


Figura 4: Etapas del KDD


2.1.1 Entendimiento del Problema

En esta etapa se debe desarrollar un entendimiento del dominio de la aplicacin y el conocimiento
previo relevante; una vez realizado se debe identificar el objetivo del proceso KDD desde la perspectiva del
cliente. El desarrollo de esta etapa establece los lineamientos para continuar las siguientes fases del proceso,
es decir, que el xito depende de los objetivos y decisiones que se tomen aqu. Un 80% de la importancia para
llegar al xito proviene en la forma de abordar el problema, definir cules pueden ser las pautas para llegar a
la solucin y la forma de implementarlas para solucionar el problema con xito [5]. La tabla 1 describe la
importancia de las tareas.

Tarea Porcentaje del Tiempo
dedicado
Porcentaje de importancia para
llegar al xito final

Definir el Problema 10 % 15 %
Explorar la Solucin 9 % 14 %
Implementacin de los resultados 1 % 51 %
Preparacin de los datos 60 % 15 %
Procesamiento de los datos 15 % 3 %
Modelado y testeo de los datos. 5 % 2 %
Tabla 1: Tiempo e importancia de las fases





17

2.1.2 Seleccin

En esta fase los datos deben de ser seleccionados de forma coordinada por el analista de negocio. Se
debe crear un conjunto de datos objetivo o enfocarse en subconjuntos de variables y/o muestras de datos
dnde se realizar el descubrimiento del conocimiento. El analista debe indicar cuales son datos ms
relevantes, como tambin asegurar la disponibilidad de stos.
La obtencin de datos puede realizarse directamente desde los sistemas transaccionales, archivos
planos, archivos semiestructurados o desde un data warehouse. Esta decisin depende totalmente de la
disponibilidad de los datos; por ejemplo, se optar por la obtencin desde los sistemas transaccionales, si no
se dispone de un data warehouse. Sin embargo, la situacin ideal es contar con un repositorio centralizado,
independiente de los sistemas transaccionales, ya que al obtener los datos directamente de stos ltimos se
corre el riesgo de trabajar con datos con algn grado de ruido o baja calidad.

2.1.3 Preprocesamiento

En esta etapa se realiza la limpieza de datos, la cual considera operaciones bsicas como la
eliminacin del ruido, recoleccin de la informacin necesaria para modelar o contabilizar el ruido, decisin
sobre estrategias para manejar campos de datos perdidos, y contabilizacin de la informacin en las
secuencias de tiempo y cambios. Todo esto genera un nuevo conjunto de datos ms significativo para trabajar.
Esta tarea toma aproximadamente un 60% del tiempo [5].

2.1.4 Transformacin

La fase de transformacin busca preparar la informacin que se tiene para que pueda ser procesada
por los algoritmos de minera de datos y adems, reducir la cantidad de informacin redundante para
simplificar las tareas posteriores; esto es disminuir los datos y proyectarlos, identificando caractersticas tiles
para representarlos dependiendo de los objetivos del trabajo.
Las principales tareas son: utilizar mtodos de transformacin o de reduccin de la
multidimensionalidad para detectar, analizar y eliminar outliers; disminuir el nmero efectivo de variables
bajo consideracin; completar datos ausentes, o bien, encontrar representaciones de datos ms intuitiva y
manejable [6].

2.1.5 Minera de datos

Una vez que se tenga los datos transformados se debe comparar los objetivos de la primera etapa del
proceso KDD con los de un mtodo particular de minera de datos. Luego se procede a elegir el algoritmo de
minera de datos ms apropiado, seleccionando el mtodo para ubicar los patrones en los datos.
18

Los algoritmos de minera de datos usados en el proceso de extraccin de conocimiento se pueden
clasificar en [6]:
- Para anlisis exploratorio de datos: se utilizan tcnicas iterativas y visuales; permiten revisar y
obtener una idea previa de la estructura de los datos, agrupamientos, puntos de operacin, tendencias,
etc. Estas tcnicas se utilizan preferentemente de manera previa a la realizacin de cualquier tcnica
estadstica o, en este caso, de minera de datos. De esta forma el analista consigue un entendimiento
bsico de sus datos y de las relaciones existentes entre las variables analizadas. No obstante, tambin
muchas de las tcnicas que se incluyen en este grupo son utilizadas en fases posteriores para el
anlisis de los resultados, su validacin, extraccin de nuevas conclusiones, deteccin de patrones
anmalos, etc.
- Dirigidos por la verificacin: se limita a comprobar hiptesis que plantea el analista. En este grupo
se encuentran las tcnicas basadas en SQL y las herramientas llamadas generadoras de SQL como
herramientas de consultas y los cubos OLAP.
- Dirigidos por el descubrimiento: en este grupo se encuentran todas las tcnicas cuyos resultados
pueden ser descriptivos o predictivos. Los algoritmos predictivos toman el comportamiento pasado
para prever un comportamiento futuro, mientras los algoritmos descriptivos ayudan a la compresin
de este comportamiento. Dentro de las tcnicas descriptivas se tiene:
Visualizacin: generalmente se usan para identificar las causas de problemas o incidencias y
buscar las posibles soluciones, siempre y cuando se disponga de la base de informacin
necesaria en la que buscar.
Segmentacin: se busca agrupar los datos en grupos de acuerdo a la relacin que se encuentre
ellos; tambin se puede generar una jerarqua entre grupos.
Asociacin: consiste en establecer las posibles relaciones entre acciones o sucesos aparente-
mente independientes. As, se puede reconocer cmo la ocurrencia de un determinado suceso
puede inducir la aparicin de otros.
Asociacin secuencial: incluye el factor tiempo, por lo cual permite reconocer el tiempo que
transcurre o suele transcurrir entre el suceso inductor y los sucesos inducidos.

Dentro de las tcnicas predictivas se consideran:
Clasificacin: permiten asignar a un elemento la pertenencia a un determinado grupo o clase.
Esto se lleva a cabo a travs de la pertenencia a cada clase en los valores de una sede de
atributos o variables. Se establece una caracterstica a cada clase y su expresin, en funcin de
las distintas variables y adems se establece el grado de discriminacin o influencia de estas
ltimas. Con ello, es posible clasificar un nuevo elemento una vez conocidos los valores de las
variables presentes en l.
19

Regresin: busca establecer el comportamiento futuro ms probable de una variable o una serie
de variables a partir del comportamiento pasado y presente de las mismas o de otras de las cuales
dependan.
Series temporales: se define como una secuencia de puntos de datos medida a lo largo del
tiempo, distanciada en un intervalo, frecuentemente de igual tamao [8]. El anlisis de estas
series permite predecir eventos futuros basados en experiencias pasadas, es decir, predecir
puntos de datos antes de poder realizar su medicin.

2.1.6 Interpretacin de los resultados

La interpretacin de los patrones obtenidos es un proceso complejo, posiblemente se deba retomar
pasos anteriores si los resultados no son lo suficientemente claros; en primera instancia se debe modificar
algunas de las decisiones tomadas durante esas etapas, haciendo para ello uso de la nueva informacin
obtenida. Adems, tambin puede implicar la visualizacin de los modelos/patrones obtenidos, o la
visualizacin de los datos entregados por los mismos.
La verificacin de resultados incluye determinar el grado de cumplimiento de los objetivos
establecidos durante la primera fase del proceso KDD, as como la validacin del conocimiento extrado.
Durante esta fase se debe verificar la coherencia de la informacin obtenida con otros tipos de conocimiento
ya previamente extrado o aceptado en la organizacin, resolviendo las posibles inconsistencias existentes. Si
los objetivos finales han sido alcanzados, se debe consolidar el conocimiento descubierto incorporndolo en
otro sistema para acciones adicionales, o simplemente documentarlo y reportarlo a las partes interesadas.

2.2 Proceso para minera de datos

Un proyecto de minera de datos requiere de la aplicacin de un cierto proceso estructurado que
permita aplicar las tcnicas explicadas anteriormente y obtener los resultados esperados. La utilizacin de una
facilita la planificacin y direccin del proyecto, permitiendo tener un mejor control del mismo. A
continuacin se presentan los ms utilizados.

2.2.1 CRISP-DM

CRISP-DM (Cross-Industry Standard Process for Data Mining) [9] es un proceso para el desarrollo
de proyectos de minera de datos que se ha convertido en un estndar de facto. Contiene un conjunto de
actividades seleccionadas en base a la experiencia de ensayo y error recogida a travs de numerosos
proyectos del consorcio CRISP-DM, el cual est compuesto de numerosas empresas que poseen amplia
experiencia en el anlisis de datos.
Se describe como un proceso jerrquico, que consiste en un conjunto de tareas descritas en cuatro
niveles de abstraccin, desde el general hasta el especfico: fase, tareas generales, tareas especficas e
20

instancias de proceso. Dichas tareas estn ordenadas en primer lugar, horizontalmente, en seis fases sucesivas
que recorren toda la vida del proyecto de minera de datos, desde la definicin de los objetivos del negocio
que se pretende obtener hasta la vigilancia y el mantenimiento del modelo que se proponga e implemente.
Cada una de esas fases se ha subdividido, a su vez, en tareas ordenadas en un esquema jerrquico, desde un
mayor a un menor nivel de detalle.
CRISP-DM distingue entre el modelo de referencia y la gua del usuario. El modelo de referencia
presenta una vista rpida de las fases, tareas y sus salidas, y describe lo que hay que hacer en un proyecto de
minera de datos. La gua del usuario da consejos y trucos mucho ms detallados para cada fase, y para cada
tarea dentro de una fase, y describe cmo desarrollar un proyecto de anlisis de datos [9].

Contexto

El contexto del proyecto dirige el cambio entre el nivel general y el especializado. Para cada uno de
los contextos se distinguen cuatro dimensiones [9]:
- El dominio de aplicacin, la cual es el rea en donde se realizar el proyecto.
- El tipo de problema de minera de datos se va a abordar.
- El aspecto tcnico que permite considerar posibles problemas que se puedan presentar durante la
minera de datos.
- El tipo de herramientas y tcnicas que se usarn durante el proyecto.

Un contexto especfico de minera de datos es un valor para una o ms de estas dimensiones. Por
ejemplo, un proyecto que abarca el problema de clasificacin para la prediccin de fuga de clientes,
constituye un contexto especfico. Cuantos ms valores de dimensiones de diferentes contextos se cubran,
ms concreto es el contexto del proyecto.


Proyeccin en el contexto

Se distinguen dos tipos de proyecciones entre los niveles genrico y especializado [9]:
- Proyeccin para el presente: Este tipo de proyeccin se aplica slo si se est aplicando el modelo
genrico para llevar a cabo un solo proyecto y proyectar las tareas generales y sus descripciones. Por
lo tanto se tiene una proyeccin sencilla para un solo uso.
- Proyeccin para el futuro: Este tipo de proyeccin se aplica si se especializa el modelo genrico de
acuerdo a un contexto predefinido, encaminndolo a un modelo de proceso especializado para usar
en el futuro en contextos similares.

El tipo de proyeccin apropiado depende del contexto especfico y de las necesidades de cada
organizacin.
21

Cmo se realiza la proyeccin

La estrategia bsica para proyectar el modelo genrico de proceso al nivel especializado es la misma
para todos los tipos de proyecciones:
- Analizar el contexto especfico.
- Eliminar cualquier detalle que no sea aplicable en dicho contexto.
- Aadir detalles especficos al contexto.
- Especializar contenidos genricos de acuerdo a caractersticas concretas del contexto.
- Posiblemente, renombrar los contenidos genricos.

La metodologa CRISP-DM define las diferentes fases de las que consta un proyecto, las tareas
correspondientes y las relaciones entre ellas; las primeras se muestran en la figura 5. El orden de ejecucin de
estas fases no es estrictamente secuencial, ya que frecuentemente a lo largo del desarrollo del proyecto, es
necesario volver a ejecutar alguna de las fases, dependiendo de los resultados obtenidos en las fases previas.
Las etapas son las siguientes:
- Anlisis del Problema de Negocio: corresponde a la fase inicial que incluye la comprensin de los
objetivos y requerimientos del proyecto desde una perspectiva de negocio, con el fin de convertirlos
en objetivos y en una planificacin.
- Anlisis de los Datos: recoleccin inicial de datos para identificar su calidad y descubrir las
relaciones entre los ms evidentes para las primeras hiptesis de relaciones ocultas entre ellos.
- Preparacin de los Datos: construccin de la base de datos a partir de los datos primarios. Esta
tarea se desarrolla en numerosas ocasiones y no de una forma demasiado estructurada. Incluye la
seleccin de tablas, registros y atributos, as como su transformacin y preparacin para las
herramientas de modelado.
- Modelamiento: se seleccionan y aplican varias tcnicas de modelado. Generalmente existen varias
tcnicas para el mismo problema y cada una exige una entrada de datos particular, por ello, es
necesario interactuar con la fase anterior para adecuar la base de datos de trabajo. Los parmetros
son calibrados.
- Evaluacin: una vez creado el modelo, se debe evaluar el rendimiento del mismo y la integridad de
todos los datos, teniendo en cuenta que se han introducido todos los criterios de negocio. Se debe dar
la aprobacin final al uso del modelo de minera de datos.
- Desarrollo: normalmente los proyectos de minera de datos no terminan en la implantacin del
modelo, sino en el incremento de conocimiento obtenido a partir de los datos. Para ello es
imprescindible documentar y presentar los resultados de manera comprensible.

22

Las flechas indicadas en la figura 5 indican las relaciones ms habituales entre las fases, mientras que
el crculo exterior simboliza la naturaleza cclica de la minera de datos, ya que la solucin final obtenida
puede conducir al planteamiento de nuevas hiptesis que den origen a otros proyectos.


Figura 5: Etapas del modelo de referencia CRISP-DM



2.2.2 SEMMA

SEMMA (Sample, Explore, Modify, Model and Assess) fue desarrollada por SAS Institute, quien la
define como el proceso de seleccin, exploracin y modelamiento de grandes cantidades de datos para
descubrir patrones de negocio desconocidos [10]. Las fases que define se presentan a continuacin.

Muestreo

El muestreo corresponde al proceso de extraccin de datos desde la poblacin sobre la cual se
aplicar el anlisis. Este muestreo puede obtenerse de forma aleatoria o tambin puede ser un subconjunto de
datos de un data warehouse que cumplan ciertas condiciones especficas para poder trabajar con ellas. La
razn de trabajar con una muestra de la poblacin es la simplificacin del estudio y la disminucin de la carga
y tiempo de proceso.
La mejor muestra ser aquella que, teniendo un error asumible, contenga el nmero mnimo de
observaciones. En el caso de que se utilice un muestreo aleatorio, se debe optar por lo siguiente:
23

- El nivel de confianza de la muestra (usualmente el 95% o el 99%).
- El tamao mximo de la muestra (nmero mximo de registros), en cuyo caso el sistema deber
informar del error cometido y la representatividad de la muestra sobre la poblacin original.
- El error muestral que est dispuesto a cometer, en cuyo caso el sistema informar del nmero de
observaciones que debe contener la muestra y su representatividad sobre la poblacin original.

Para facilitar esta tarea, es necesario contar con herramientas de extraccin dinmica. En el caso del
muestreo, las herramientas deben tener la opcin de, dado un nivel de confianza, fijar el tamao de la muestra
y obtener el error, o bien fijar el error y obtener el tamao mnimo de la muestra que proporcione este grado
de error.

Exploracin

Una vez definida la poblacin, se deber determinar cules son las variables explicativas relevantes
que servirn como entradas al modelo. Para ello es importante hacer una exploracin de la informacin
disponible que permita eliminar variables que no influyen y considerablemente.
El objetivo de este paso es simplificar lo ms posible el problema, con el fin de optimizar la
eficiencia del modelo. En este paso se pueden emplear herramientas que permitan visualizar de forma grfica
la informacin, utilizando las variables explicativas como dimensiones.
Tambin se pueden emplear tcnicas estadsticas que ayuden a poner de manifiesto relaciones entre
variables. A este respecto resultar imprescindible una herramienta que permita la visualizacin y el anlisis
estadstico integrado.

Manipulacin

Tratamiento realizado sobre los datos de forma previa al modelado, en base a la exploracin
realizada en el paso anterior. En este paso se define de forma clara las entradas del modelo a realizar.

Modelado

Este paso permite establecer una relacin entre las variables explicativas y las variables objeto del
estudio, que posibilitan inferir el valor de las mismas con un nivel de confianza determinado.

Evaluacin de resultados

En la ltima etapa se evala la validez de los resultados obtenidos en la fase anterior. Para ello se
utilizan pruebas de bondad de ajuste, al igual que otros mtodos estadsticos que contrastan los resultados
obtenidos en la muestra usada en las fases anteriores, con los resultados que se obtienen luego con otras
muestras distintas.
24

2.2.3 Comparacin entre KDD, CRISP-DM y SEMMA

Segn un estudio comparativo entre estos 3 mtodos, CRISP-DM y SEMMA pueden ser vistos
como una implementacin del mtodo KDD descrito por Fayadd [11]. En una primera instancia, CRISP-DM
parece ser ms completo que SEMMA ya que abarca, casi uno a uno, las tareas del KDD; sin embargo, para
desarrollar un proyecto de minera de datos, se debe tener un real entendimiento de todos los aspectos del
negocio y de las metas del usuario final, como por ejemplo un analista de negocio. En este sentido ambos
mtodos permiten guiar el trabajo de cmo realizar un proyecto de obtencin de conocimiento por medio de
datos. Para el caso de esta tesis, se eligi la metodologa CRISP-DM por disponer de pasos definidos y claros
para el buen desarrollo de un proyecto de estas caractersticas, dnde existe un trabajo extenso en la
transformacin y limpieza de los datos a utilizar.

2.3 Tcnicas y algoritmos para el modelado predictivo.

Para un proyecto de minera de datos se usa el modelado predictivo para analizar una base de datos y
determinar algunas de las caractersticas de su contenido. Los datos deben incluir observaciones completas de
tal manera de poder generar un modelo que pueda realizar predicciones lo ms acertadas posibles.
Los algoritmos clasificadores tratan de encontrar, a partir de la informacin disponible, un modelo,
patrn o estructura que explique, con un cierto grado de confiabilidad, la variable dependiente. En trminos
estadsticos se tiene lo siguiente [12]:
Se define como un modelo predictivo o de regresin, aquel que permite establecer una relacin
matemtica entre un conjunto de variables explicativas y una variable dependiente de las mismas ,
para todo (i=1,..., M) dnde M es la cantidad de observaciones.
i
x
i
y

Dichos algoritmos caen dentro de las tareas de anlisis de dependencia y que pueden definirse como
aquellos en los que una variable o conjunto de variables se identifican como variables dependientes que van
a ser explicadas por otras variables conocidas denominadas variables independientes. Como contraste, un
anlisis interdependiente es aquel en el que ninguna variable o grupo de variables es definido como
dependiente o independientes, y dnde el anlisis del conjunto se realiza simultneamente. Los clasificadores
pueden ser utilizados para:
- Determinar la relacin causa-efecto de unas variables con respecto a otra, analizando.
- Analizar cules son las variables que ms influyen en la variable a explicar para seleccionarlas
como parmetros de entrada.
- Determinar agrupamiento de variables de entrada.

En la figura 6 se despliega una taxonoma de los principales tipos de algoritmos de clasificacin.
25


Figura 6: Taxonoma de algoritmos de clasificacin


2.4 Creacin de los Modelos Predictivos.

La correcta seleccin de variables es muy importante en los problemas de modelado, ya que una
mala eleccin puede dificultar e incluso impedir alcanzar resultados satisfactorios.
Tras la seleccin de las variables que van a intervenir en el modelado, es necesario un conjunto de
datos que van a ser utilizados por la herramienta de modelado para obtener los nuevos modelos. Tambin es
preciso otro conjunto de datos para comprobar la validez de esos resultados.
Para obtener dichos conjuntos es necesario un mtodo de seleccin de muestras representativas. Para
la validacin de modelos no slo es necesario un conjunto de datos sino tambin una estrategia que evite, en
la medida de lo posible, los efectos derivados de modelar basndose en un conjunto finito de datos.

2.4.1 Representacin de un Modelo

Un ejemplo de representacin de un modelo sobre un algoritmo en particular sera la de un rbol de
decisin mediante la divisin de nodos por un solo campo y particiones del espacio de entrada en hiperplanos
paralelos a los ejes de los atributos no se podra descubrir la frmula x=y en los datos. La figura 7 explicita la
representacin grfica de un modelo.


Figura 7: Representacin de modelo por hiperplanos
26

Uno de los principales problemas que se tiene al momento de realizar una representacin de un
modelo predictivo es el sobreentrenamiento o el sobreajuste del mismo. Se dice que un modelo m1 est
sobreentrenado o sobreajustado si, dado un espacio de modelos M, existe otro modelo m2 que obtiene
mejores resultados que m1 sobre el conjunto completo donde va a ser implementado (poblacin), obteniendo
m1 mejores resultados sobre el conjunto de entrenamiento. Existen tcnicas para evitar el sobreajuste de los
datos que sern tratadas en el punto evaluacin del error.
- Representaciones muy generales del modelo son poco eficientes.
- Representaciones excesivamente adaptadas al problema implican riesgo de sobreentrenamiento.
- Las representaciones complejas mejoran el factor predictivo del modelo, pero aumentan la dificultad
en la bsqueda y empeoran la interpretabilidad del modelo.

2.4.2 Mtodos de bsqueda y optimizacin

Una vez fijada la representacin del modelo (o familia de representaciones) y el criterio de
evaluacin del modelo, el problema puede ser reducido a un problema de optimizacin del tipo: Encontrar
los parmetros/modelos de la familia seleccionada que optimicen el criterio de evaluacin del modelo".
De modo general se pueden establecer cinco criterios de clasificacin para los procedimientos de
optimizacin basados en: la solucin, el grado de aleatoriedad del proceso de bsqueda, la direccin
preferente de bsqueda, el nmero de candidatos a solucin simultneamente y en la funcin a optimizar. A
continuacin se explicar en detalle cada criterio de clasificacin.

a) Basado en la solucin

- Numrico: si la solucin queda completamente especificada en trminos de un conjunto de m
parmetros o atributos.
- Combinatorial: si para especificar la solucin no slo hay que definir un conjunto de m parmetros,
sino tambin el orden (total o parcial) con que stos se combinan para dar dicha solucin. En ltimo
trmino puede ocurrir que sea irrelevante la naturaleza de los atributos y slo importe su orden; este
caso se habla de problemas basados en el orden.

b) Basado en el grado de aleatoriedad del proceso de bsqueda

- Determinista o dirigido: el procedimiento de bsqueda es completamente determinista, es decir, en
las mismas condiciones de partida proporciona idnticos resultados. Las tcnicas deterministas, por
lo comn son las ms eficientes, pero son muy especficas y precisan mucho conocimiento adicional
sobre la funcin objetivo as como el uso de hiptesis suplementarias de buen comportamiento, entre
27

otros inconvenientes. Las tcnicas clsicas de optimizacin, ya sean analticas o enumerativas, son
todas deterministas.
- Aleatorio o al azar: el procedimiento de bsqueda es completamente aleatorio. Habitualmente, se
delimita una regin de bsqueda y se toman puntos al azar dentro de ella. Despus, mediante
argumentos estadsticos, se puede dar una estimacin de mxima verosimilitud para el valor del
ptimo. Estas tcnicas no requieren ninguna informacin adicional y se pueden aplicar a cualquier
tipo de problemas, pero son poco eficientes.
- Estocstico u orientado: se combinan en proporcin variable la bsqueda determinista con la
bsqueda aleatoria. La componente determinista orienta la direccin de bsqueda y la aleatoria se
encarga de la bsqueda local, buscando un punto intermedio entre la mxima eficiencia de las
tcnicas deterministas y la mxima eficacia de las aleatorias.

c) Basado en la direccin preferente de bsqueda

- En Profundidad o explotador: la bsqueda da prioridad a la explotacin de las soluciones disponibles
antes que a la exploracin de nuevas soluciones.
- En anchura o explorador: la bsqueda da prioridad a la exploracin de nuevas soluciones antes que a
la explotacin de las disponibles.

Muchos mtodos de bsqueda no son explotadores o exploradores puros, sino que combinan ambos
procedimientos; de hecho es deseable tener control sobre la relacin explotacin-exploracin. Idealmente,
esta relacin debera poderse expresar como un cuociente entre dos parmetros al que se llama grado de
penetracin.

d) Basado en el nmero de candidatos a solucin simultneamente

- Simple: se mantiene un nico candidato a la solucin que se va actualizando sucesivamente para
proporcionar, presumiblemente, soluciones cada vez ms exactas del problema.
- Mltiple: se mantienen simultneamente varios candidatos a solucin con los cuales se va acotando
cada vez con ms precisin la regin (o regiones) donde se encuentran los ptimos. Son las ms
apropiadas para implantaciones en paralelo. Aunque son computacionalmente ms costosas, las
bsquedas mltiples presentan tal cantidad de ventajas sobre las bsquedas simples que se deberan
usar siempre que fuera posible, aunque no se disponga de procesadores en paralelo.




28

e) Basado en la funcin a optimizar

- Ciego: el proceso a optimizar funciona como una caja negra que ante ciertos valores de los
parmetros devuelve un valor del objetivo, es decir, no se dispone de ninguna informacin explcita
sobre la aplicacin. En la bibliografa inglesa, a estos mtodos de optimizacin se les designa como
blackbox optimization, que se puede traducir como optimizacin de cajas negras. La ventaja de
estos mtodos es que proporcionan algoritmos de bsqueda de propsito general, los cuales son muy
fciles de implantar para un problema especfico [13].
- Heurstico: se dispone de cierta informacin explcita sobre el proceso a optimizar, pudindose
aprovechar para guiar la bsqueda. A dicha informacin til para la bsqueda se le llama
conocimiento especfico. Las tcnicas heursticas proporcionan algoritmos dedicados de bsqueda,
esto es, especficos para un problema concreto y difcilmente adaptable para cualquier otro.
Tradicionalmente se ha tratado de aadir la mxima cantidad de conocimiento especfico en los
problemas de optimizacin, dado que es lo ms eficaz para bsqueda. Sin embargo, en problemas
reales de mediana complejidad resulta muy difcil, cuando no imposible, encontrar tal informacin y
la que se encuentra no suele ser de muy buena calidad. A efectos prcticos, el conocimiento
especfico slo sirve verdaderamente cuando es de buena calidad, y aun as se debe tener cuidado
porque acenta la tendencia a estancar la bsqueda en ptimos locales.


2.5 Redes Neuronales Artificiales.

El inters por comprender los procesos cognitivos del cerebro humano fue, en definitiva lo que
permiti el surgimiento de las Redes Neuronales Artificiales (RNA), debido a que el cerebro es un sistema de
procesamiento de la informacin extremadamente complejo, cuyo modo de funcionamiento es eminentemente
paralelo y cuyo comportamiento no puede describirse por medio de modelos sencillos como lo son los
lineales. Se busc modelarlo con la esperanza de que se pudieran crear sistemas pensantes que tuvieran
mejores resultados en tareas como clasificacin, problemas de decisin, predicciones y sistemas de control
adaptables que un sistema computacional convencional.
Las RNA estn inspiradas de la estructura del cerebro, y fueron concebidas para resolver cierto tipo
de problemas especialmente mal resueltos por las tcnicas de programacin tradicionales. Formalmente, una
red neuronal es un modelo computacional con un conjunto de propiedades especficas, como son la habilidad
de adaptarse o aprender, generalizar u organizar la informacin, todo esto basado en un procesamiento
eminentemente paralelo [14].


29

2.5.1 Historia de las Redes Neuronales

Los primeros tericos que concibieron los fundamentos de la computacin neuronal fueron Warren
McCulloch, un neurofisilogo, y Walter Pitts, un matemtico, quienes en 1943 lanzaron una teora acerca de
la forma de trabajar de las neuronas [15]. Ellos modelaron una red neuronal simple mediante circuitos
elctricos.
En 1949 Donald Hebb fue el primero en explicar los procesos del aprendizaje (que es el elemento bsico
de la inteligencia humana) desde un punto de vista psicolgico, desarrollando una regla de como el
aprendizaje ocurra. An hoy, este es el fundamento de la mayora de las funciones de aprendizaje que pueden
hallarse en una red neuronal. Su idea fue que el aprendizaje ocurra cuando ciertos cambios en una neurona
eran activados. Tambin intent encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los
trabajos de Hebb formaron las bases de la Teora de las Redes Neuronales [16].
En 1959, Widrow publica una teora sobre la adaptacin neuronal y unos modelos inspirados en ella [17]:
el Adaline (Adaptative Linear Neuron) y el Madaline (Multiple Adaline). Estos modelos fueron usados en
numerosas aplicaciones y permitieron usar, por primera vez, una red neuronal en un problema importante del
mundo real: filtros adaptativos para eliminar ecos en las lneas telefnicas.
En 1962, Rosemblatt publica los resultados de un ambicioso proyecto de investigacin, el desarrollo del
Perceptrn [18], un identificador de patrones pticos binarios y salida binaria. Las capacidades del Perceptrn
se extendieron al desarrollar la regla de aprendizaje delta, que permita emplear seales continuas de entrada y
salida.
En 1969, Minsky y Papert realizan una seria crtica del Perceptrn [19], revelando serias limitaciones,
como su incapacidad para representar la funcin XOR debido a su naturaleza lineal. Este trabajo cre serias
dudas sobre las capacidades de los modelos conexionistas y provoc una cada en picada de las
investigaciones.
En los aos 80 se produce el renacimiento del inters por el campo gracias sobre todo al trabajo del grupo
PDP (Parallel Distributed Processing) creado por Rumelhart, McClelland & Hinton. Como resultado de los
trabajos de este grupo salieron las publicaciones con ms influencia desde la crtica de Minsky y Papert.
Destaca el captulo dedicado al algoritmo de retropropagacin [20], que soluciona los problemas planteados
por Minsky y Papert y extiende enormemente el campo de aplicacin de los modelos de computacin
conexionistas. Hopfield elabora un modelo de red consistente en unidades de proceso interconectadas que
alcanzan mnimos energticos, aplicando los principios de estabilidad desarrollados por Grossberg. El modelo
de Hopfield result muy ilustrativo sobre los mecanismos de almacenamiento y recuperacin de la memoria.
Su entusiasmo y claridad de presentacin dieron un nuevo impulso al campo y provocaron el incremento de
las investigaciones.
En 1987 se desarrolla la IEEE International Conference on Neural Networks con 1700 participantes en
San Diego. Se crea la International Neural Networks Society (INNS), en 1988 se publica la revista Neural
30

Networks por el INNS, en 1989 se publica la revista Neural Computation y en 1990 se publica la revista
Transactions on Neural Networks por el IEEE.

2.5.2 Modelo de Redes Neuronales

Los elementos bsicos que posee un modelo de red neuronal son los siguientes:
- Un conjunto de conexiones, cada una de ellas caracterizada por su entrada
i
X , sta se habr
convertido en una seal
ji i
W X * , donde
ji
W es el peso o fuerza de la conexin con la entrada i -
sima de la neurona j. De acuerdo con el signo del peso
ji
W se tienen conexiones excitadoras
cuando es positivo, y conexiones inhibidoras cuando es negativo.
- Una funcin de propagacin correspondiente a
ji i
W X *

, que produce la suma ponderada de

las entradas de acuerdo a los correspondientes pesos de las conexiones.
- Una funcin de activacin (*) | , que representa el proceso algortmico que transforma el resultado
de la funcin de propagacin en la salida real de la neurona. En la mayora de los casos la funcin de
activacin y la de propagacin son idnticas; la funcin de activacin determina el nivel de
activacin de la neurona en trminos de la actividad existente en sus entradas. Hay una infinidad de
funciones para ser utilizadas como funcin de activacin en una red neuronal artificial, pero se
pueden distinguir tres grandes clases: tipo escaln, lineal y sigmoide. Es ms frecuente utilizar
funciones sigmoidales (1), puesto que stas y sus derivadas son continuas.
(1)
k
S
k k k
e
S F Y

+
= =
1
1
) (
- En la funcin de activacin el valor de la salida puede ser comparada con algn valor umbral para
determinar la salida de la neurona. Si la suma es mayor que el valor umbral, neurona generar una
seal. Si la suma es menor que el valor umbral, ninguna seal ser generada.

De acuerdo con este modelo se puede describir el comportamiento de la neurona (o nodo) con las
expresiones utilizadas anteriormente:
-
i
X :entrada a la neurona i
-
ji i
W X * : entrada neta o funcin de propagacin de la neurona i-sima
-
ji
W : peso de la conexin de la neurona i-sima a la neurona j-sima
31

-
ji i
W X * : Funcin de activacin de la neurona i-sima

2.5.3 Arquitectura de Redes Neuronales Artificiales

Este concepto se refiere bsicamente a la manera en que se interconectan los distintos nodos que
forman la red. Normalmente los nodos se organizan como una secuencia de capas con un determinado patrn
de interconexin entre las diferentes neuronas que las forman, y con un patrn de conexin entre las neuronas
de las distintas capas. Uno de los rasgos que puede ayudar a definir una capa es el hecho de que todas las
neuronas que la forman usan la misma funcin de propagacin. En la figura 9 se muestra un ejemplo de
arquitectura.

Figura 8: Red Neuronal Artificial

A continuacin se explicarn los distintos tipos de arquitecturas para redes neuronales.
a) Arquitectura segn distincin de las capas:

- Capa de entrada: est compuesta por neuronas que reciben entradas procedentes del entorno. sus
pesos se mantienen constantes, y su misin simplemente es la de distribuir dicha entrada al resto de
los elementos de proceso que constituyen la red.
- Capa oculta: es aquella que no tiene conexin directa con el contorno, es decir, que no es de entrada
ni de salida. Crean una representacin interna de los patrones de entrada. Puede haber ms de una
capa oculta.
- Capa de salida: es aquella cuyas neuronas proporcionan la respuesta de la red neuronal.
32

b) Arquitectura segn flujo de seales:

- Redes Feedforward: la informacin circula en un nico sentido desde las neuronas de entrada a las
de salida. Representan sistemas lineales dado que no existen nodos de realimentacin tal como nos
muestra la figura 10.

Figura 9: Red Feedforward

- Redes Feedback o Recurrentes: como muestra la figura 11, la informacin puede circular entre las
capas en cualquier sentido. Representan sistemas no lineales mediante unidades de realimentacin.


Figura 10: Red Recurrente




33

2.5.4 Aprendizaje de una Red Neuronal Artificial

Se denomina aprendizaje al modelo del entorno en el que la red neuronal trabaja. Una de las
principales ideas sobre las que se basan las redes neuronales artificiales es la de responder a los estmulos del
entorno mediante un proceso de aprendizaje por el cual va adaptando los pesos de las conexiones de sus
nodos, de tal forma que memoriza los ejemplos de entrenamiento que se le presentan; la forma de aprendizaje
indica cmo el entorno influye en ese proceso de aprendizaje. Dentro de los tipos de aprendizaje se tienen:

- Supervisado: se presentan los conocimientos en forma de pares de [entrada, salida deseada]. La
salida real de la red es comparada con el valor deseado de salida, Los pesos, que normalmente han
sido establecidos de manera aleatoria en un principio, son ajustados por la red de manera que en la
siguiente iteracin, producir un resultado ms cercano entre el valor esperado y la salida real, hasta
ajustar la salida a un margen de error aceptable.

- No Supervisado: durante este proceso de aprendizaje a la red no se la presenta la salida deseada. Sus
principales utilidades son, entre otras, descubrir las regularidades presentes en los datos, extraer
rasgos o patrones.

- Reforzado: Se sita entre los dos anteriores, de forma que, por una parte se emplea la informacin
del error cometido, pero se sigue sin poseer la salida deseada. Este aprendizaje descansa en la idea de
premio-castigo, donde se refuerza toda aquella accin que permita una mejora del modelo.

- Hbrido: coexisten en la red los dos tipos bsicos de aprendizaje, el supervisado y el no supervisado,
normalmente en distintas capas de neuronas.

2.5.5 Algoritmos de Aprendizaje

En este contexto, el aprendizaje puede ser visto como el proceso de ajuste de los parmetros libres de
la red neuronal artificial. Por lo tanto, partiendo de un conjunto de pesos sinpticos aleatorios, el proceso de
aprendizaje busca optimizar ese conjunto de pesos que permitan que la red pueda generalizar de forma
adecuada. El proceso de aprendizaje consiste en encontrar el conjunto de pesos sinpticos que minimizan (o
maximizan) la funcin. El mtodo de optimizacin proporciona una regla de actualizacin de los pesos que en
funcin de los patrones de entrada y modifica de manera iterativa los pesos hasta alcanzar el punto ptimo de
la red neuronal.



34

Mtodo por Descenso del Gradiente

Los principales algoritmos de aprendizaje de una red neuronal se basan en el clculo del gradiente de
la funcin de error, esto es, de la derivada de la funcin de error con respecto a los distintos parmetros
ajustables de la red (en general, los pesos de las conexiones). Se trata de intentar encontrar el mnimo de la
funcin de error mediante la bsqueda de un punto donde el gradiente se anule.
Una de las variantes ms utilizadas que se basan en la derivada es el descenso del gradiente [21]. En
este mtodo se realizan sucesivos ajustes a los pesos se hacen de forma individual para cada en sentido
opuesto al vector de gradiente
i
W
| | | | n W n E
i
c c / :
| | | | | | n W n E W n W
i i i
c c = + / * 1 o
donde o es un parmetro conocido como tasa de aprendizaje, que ha de tomar un valor convenientemente
pequeo. Al pasar de la iteracin n a la n + 1, el algoritmo aplica la correccin:

| | | | | | | | | | n W n E n W n W n W
i i i i
c c = + = A / * 1 o
Para valores positivos muy pequeos de la tasa de aprendizaje y funciones de error globales, la
formulacin del algoritmo de descenso por el gradiente permite que la funcin de error decrezca en cada
iteracin. La tasa de aprendizaje o tiene, por tanto, una enorme influencia en la convergencia del mtodo de
descenso por el gradiente. Si o es pequea, el proceso de aprendizaje se desarrolla suavemente, pero la
convergencia del sistema a una solucin estable puede llevar un tiempo excesivo. Si o es grande, la
velocidad de aprendizaje aumenta, pero existe el riesgo de que el proceso de aprendizaje diverja y el sistema
se vuelva inestable. Es habitual aadir un trmino de momento que en ocasiones puede acelerar el aprendizaje
y reducir el riesgo de que el algoritmo se vuelva inestable. La nueva ecuacin de actualizacin del parmetro
ajustable tiene la forma:
i
W
| | | | | | | | | | | | 1 * / * 1 + A c c = + = A n W n W n E n W n W n W
i i i i i
o
donde o es la tasa de aprendizaje y es la constante de momento.
Existen otros algoritmos de aprendizaje ms sofisticados (por ejemplo, aquellos que consideran la
informacin suministrada por las derivadas de segundo orden), que en general, proporcionan mejores
resultados que el descenso por el gradiente, a veces simplemente con una leve modificacin, pero estos no
sern tratados en este captulo, dado que no son relevantes como objeto de estudio de la tesis.

Algoritmo de Retropropagacin o Backpropagation

La regla de aprendizaje del Perceptrn de Rosenblatt [22] y el algoritmo de los mnimos cuadrados
de Widrow y Hoff [21] fueron diseados para entrenar redes de una sola capa. El primer algoritmo de
entrenamiento para redes multicapa fue desarrollado por Paul Werbos en 1974 [23] en un contexto general
35

para cualquier tipo de redes, siendo las redes neuronales una aplicacin especial, razn por la cual el
algoritmo no fue aceptado inicialmente dentro de la comunidad de desarrolladores de redes neuronales. El
algoritmo se populariz cuando fue incluido en el libro Parallel Distributed Processing Group [19] por los
psiclogos David Rumelhart y James McClelland, lo que trajo consigo un auge en las investigaciones con
redes neuronales, siendo la retropropagacin una de las redes ms ampliamente empleadas, aun actualmente.
La retropropagacin es un tipo de red de aprendizaje supervisado, que emplea un ciclo propagacin
adaptacin de dos fases. Una vez que se ha aplicado un patrn a la entrada de la red como estmulo, ste se
propaga desde la primera capa a travs de las capas superiores de la red, hasta generar una salida. La seal de
salida se compara con la salida deseada y se calcula una seal de error para cada una de las salidas.
Las salidas de error se propagan hacia atrs, partiendo de la capa de salida, hacia todas las neuronas
de la capa oculta que contribuyen directamente a la salida. Sin embargo las neuronas de la capa oculta slo
reciben una fraccin de la seal total del error, basndose aproximadamente en la contribucin relativa que
haya aportado cada neurona a la salida original. Este proceso se repite, capa por capa, hasta que todas las
neuronas de la red hayan recibido una seal de error que describa su contribucin relativa al error total.
Basndose en la seal de error percibida, se actualizan los pesos de conexin de cada neurona, para hacer que
la red converja hacia un estado que permita clasificar correctamente todos los patrones de entrenamiento.
La importancia de este proceso consiste en que, a medida que se entrena la red, las neuronas de las
capas intermedias se organizan a s mismas de tal modo que las distintas neuronas aprenden a reconocer
diferentes caractersticas del espacio total de entrada. Despus del entrenamiento, cuando se les presente un
patrn arbitrario de entrada que contenga ruido o que est incompleto, las neuronas de la capa oculta de la red
respondern con una salida activa si la nueva entrada contiene un patrn que se asemeje a aquella
caracterstica que las neuronas individuales hayan aprendido a reconocer durante su entrenamiento. Y a la
inversa, las unidades de las capas ocultas tienen una tendencia a inhibir su salida si el patrn de entrada no
contiene la caracterstica para reconocer, para la cual han sido entrenadas.
Durante el proceso de entrenamiento, la red retropropagacin tiende a desarrollar relaciones internas
entre neuronas con el fin de organizar los datos de entrenamiento en clases. Esta tendencia se puede
extrapolar, para llegar a la hiptesis consistente en que todas las unidades de la capa oculta de la red son
asociadas de alguna manera a caractersticas especficas del patrn de entrada como consecuencia del
entrenamiento. Lo que sea o no exactamente la asociacin puede no resultar evidente para el observador
humano, lo importante es que la red ha encontrado una representacin interna que le permite generar las
salidas deseadas cuando se le dan las entradas, en el proceso de entrenamiento. Esta misma representacin
interna se puede aplicar a entradas que la red no haya visto antes, y la red clasificar estas entradas segn las
caractersticas que compartan con los ejemplos de entrenamiento.




36

2.5.6 Redes Neuronales Artificiales Evolutivas

Durante esta ltima dcada, se ha observado un inters creciente por el desarrollo de mtodos para
solucionar problemas complejos de optimizacin uniobjetivo y multiobjetivos, incluyendo su aplicacin a
problemas combinatorios no lineales [24]. Los algoritmos metaheursticos constituyen uno de los campos de
investigacin ms activos en optimizacin; su estudio ha ido progresando, surgiendo continuamente nuevas
ideas en un intento de alcanzar una mayor eficiencia en el proceso de solucin.
Actualmente los mtodos de optimizacin heursticos basados en poblaciones han despertado el
inters de la comunidad cientfica debido a su capacidad para explorar espacios de soluciones multimodales y
multidimensionales, de manera rpida y eficiente.
Una alternativa a los mtodos de optimizacin planteados anteriormente para el aprendizaje de redes
neuronales artificiales corresponde a la utilizacin de estos algoritmos metaheursticos, especficamente, los
basados en poblaciones del tipo evolutivos. Estos algoritmos son un tipo de bsqueda estocstica que permite
encontrar la solucin en espacios complejos, los cuales se han utilizado con xito en el campo de las redes
neuronales para encontrar la estructura adecuada de la red, y para calcular el valor de los pesos de las
conexiones evitando quedar atrapado en mnimos locales, generalmente derivados de un sobreentrenamiento.
En el proceso de evolucin son esenciales los operadores de seleccin para introducir, por una parte,
presin selectiva, y por otra diversidad, de forma tal que el algoritmo de bsqueda obtenga la mejor red
logrando un compromiso entre su capacidad de explotar la localizacin de las mejores soluciones y de
explorar otras localizaciones del espacio, con el fin de obviar el problema de la obtencin de ptimos locales.
En la figura 12 se presenta una taxonoma de algoritmos evolutivos

Figura 11: Taxonoma de Algoritmos Evolutivos

Una red neuronal evolutiva correspondera a tener un mtodo hbrido, en el cual se posee un
algoritmo evolutivo como mtodo de optimizacin para el ajuste de parmetros .Segn lo expuesto en [25], se
ha demostrado que la optimizacin por enjambre de partculas tiene mejor rendimiento en comparacin a los
algoritmos genticos, por lo cual el estudio a realizar en esta tesis se basar en un esquema de enjambre de
partculas, dejando de lado las otras tcnicas de optimizacin.

37

Optimizacin por Enjambre de Partculas

La optimizacin por enjambre de partculas (PSO) pertenece a las tcnicas estocsticas de clculo
evolutivo, considerada unas de las ms representativas de la rama de la inteligencia de enjambre (Swarm
Intelligence), al igual que la tcnica de optimizacin por colonia de hormigas (ACO). Ambos tratan de imitar
los comportamientos sociales de un colectivo a partir de la interaccin de los individuos entre s y con el
entorno [26].
Los inicios del PSO como mtodo estocstico de optimizacin global se remontan a los estudios
realizados por Kennedy y Eberhart [27], quienes intentaron simular grficamente el movimiento sincronizado
e impredecible de grupos tales como los bancos de peces o las bandadas de aves, motivados por la capacidad
que poseen estos grupos para separarse, reagruparse o encontrar alimento. Paralelamente con trabajos previos
en el mbito de la biologa y de la sociologa, concluyen que el comportamiento, inteligencia y movimiento de
estas agrupaciones (entre las cuales podramos incluir a los seres humanos con un cierto grado de abstraccin)
est relacionado directamente con la capacidad para compartir informacin y para aprovechar la experiencia
acumulada por cada uno de sus congneres.
En la tecnologa utilizada en [28], Kennedy y Eberhart introducen el trmino general de partcula o
agente para representar a los peces, pjaros, abejas, hormigas o cualquier otro tipo de individuos que exhiban
un comportamiento social como grupo, en forma de una coleccin de agentes que interactan entre s. De
acuerdo con los fundamentos tericos del mtodo, el movimiento de cada una de estas partculas hacia un
objetivo comn en dos dimensiones est condicionado por dos factores bsicos: la memoria autobiogrfica de
la partcula o nostalgia, y la influencia social de todo el enjambre. A nivel computacional, como mtodo de
optimizacin, esta filosofa puede extenderse a un espacio D-dimensional de acuerdo con el problema bajo
anlisis. La posicin instantnea de cada una de las partculas de la poblacin en el espacio representa una
solucin potencial, siendo del nmero de incgnitas del problema original. Bsicamente, el proceso evolutivo
se reduce a mover cada partcula dentro del espacio de soluciones con una velocidad que variar de acuerdo a
su velocidad actual, a la memoria de la partcula y a la informacin global que comparte el resto del enjambre,
utilizando una funcin de bondad/ajuste (fitness) para cuantificar la calidad de cada partcula en funcin de la
posicin que esta ocupe.
Ms all de la propia naturaleza del mtodo, los esquemas existentes para su implementacin son
muy diversos. Dependiendo de cmo se actualicen las posiciones de las partculas surgen las versiones
sncrona y asncrona del algoritmo. Adicionalmente dependiendo de cmo se haga fluir la experiencia
acumulada por el enjambre sobre el movimiento de cada una de las partculas que lo integran, se puede
distinguir entre PSO local y global. La combinacin de estas variantes (sncrona vs., asncrona, local vs.
global) resume los esquemas desarrollados e investigados comnmente, aunque en la literatura existen otras
variantes a los esquemas convencionales, en la mayora de los casos fruto de modificaciones introducidas por
los propios autores para mejorar el rendimiento del algoritmo original en aplicaciones concretas [29].
38

Desde el punto de vista de su algoritmo, la ventaja principal del PSO es su rpida convergencia, en
comparacin con otros algoritmos de optimizacin global como los genticos (GA), colonia de hormigas,
enfriamiento simulado y otros de optimizacin global. Para aplicar PSO con xito, uno de los problemas
claves se encuentra en cmo representar la solucin del problema en las partculas del PSO. Esta
representacin de la solucin del problema afectar directamente la facilidad del uso del algoritmo, su
funcionamiento y comprensin [30]. En esta seccin se realiza un anlisis en profundidad de los principios del
PSO como mtodo de optimizacin, comenzando con los fundamentos y analizando los esquemas que se han
implementado, con el objetivo de estudiar la influencia de los principales parmetros del algoritmo sobre la
convergencia de la optimizacin, buscando un compromiso entre precisin y costo computacional.

Algoritmo PSO
Una partcula est definida como un vector, el cual est compuesto por la velocidad que posee la
partcula, su posicin, y su memoria [31]. El algoritmo PSO se inicializa con partculas (soluciones)
aleatorias, y a medida que se realicen las iteraciones, buscar soluciones ms optimas actualizando cada
partcula. Una partcula se considera como un punto dentro del espacio de bsqueda D-dimensional, donde
cada dimensin representa una de las incgnitas del problema. El enjambre es representado por
, donde i = 1,2,,n corresponde la i-sima partcula, y d = 1,2,,D corresponde
sus dimensiones.
) ,..., , , (
3 2 1 id i i i
x x x x X =
En cada generacin (iteracin), cada una de las partculas es actualizada de acuerdo a dos valores
importantes. El primero corresponde a la mejor posicin encontrada por una partcula, conocido como mejor
personal ( ), el cual es representado como
best
p ) ,..., , , (
3 2 1 id i i i i
p p p p P = para la i-sima partcula. El
segundo valor corresponde a la mejor posicin que ha encontrado el enjambre, conocido como el mejor
global ( ). Ambos valores se actualizan en cada iteracin, y se utilizan para ajustar la velocidad con
que se mueve una determinada partcula en cada una de las dimensiones. A su vez, la velocidad es utilizada
para determinar la nueva posicin que alcanzar una partcula en la siguiente iteracin del algoritmo. La
influencia que tiene la mejor posicin personal sobre la velocidad de una partcula se conoce como el factor o
componente de cognicin, y la influencia de la mejor posicin del enjambre se conoce como el componente
social [31].
gbest
p
En [30] Eberhart incorpor un factor de inercia w en la ecuacin que determina la velocidad (2) de la
partcula para balancear la bsqueda global y local. La nueva posicin de una partcula est definida en (3).
(2) )) ( ) ( ( )) ( ) ( ( ) ( * ) 1 (
2 2 1 1
t x t p r c t x t p r c t v w t v
id gd id id id id
+ + = +
(3) ) 1 ( ) ( ) 1 ( + + = + t v t x t x
id id id

donde r
1
y r
2
corresponden a valores aleatorios independientes en el intervalo [0,1], y los parmetros y
39

2
c corresponden a las variables que controlan la influencia de las componentes cognitiva y social. Para
prevenir que las velocidades de las partculas incrementen infinitamente, se incorpora un parmetro que
delimita el rango de velocidad que puede tomar una partcula:
max
V
|
max max
,V V |
(4) or ) (
max
V v if
ij
> ) (
max
V v
ij
<
max
* ) ( V v sign v
ij ij
=
El pseudocdigo de la implementacin de PSO es como sigue:

Inicializacin de enjambre con posiciones y velocidades aleatorias
Repetir hasta iteracin mxima
Para cada partcula
Evaluar fitness de partcula (funcin costo).
Si la actual fitness es mejor que entonces el actual valor.
Si es mejor que la mejor global asignar a actual valor fitness de la partcula.
Cambiar la velocidad y posicin de las partculas.
Fin
Fin

El algoritmo de PSO posee un reducido nmero de parmetros; el mal ajuste de stos puede provocar
que el PSO converja a un ptimo en muchas iteraciones. A menudo, el PSO podra encontrar un mal ptimo
en pocas iteraciones (fenmeno conocido como convergencia prematura), o a un mal ptimo en muchas
iteraciones. A continuacin se estudiar cada parmetro del algoritmo PSO y la influencia que tiene sobre
este.
Los autores de [30] proponen un modelo quntico de PSO, en donde el concepto de velocidad ya no
existe, sino que el enjambre se mover por una funcin de movimiento dada en (5). Esta funcin de
movimiento compara la posicin actual de una partcula con el promedio de las mejores posiciones del
enjambre, a diferencia del PSO tradicional que compara la posicin de una partcula con la mejor posicin del
enjambre.
(5) ) / 1 ln( ) ( ) 1 ( u t x m p t x
best
- = +

donde representa el vector con la media de todas las mejores posiciones encontradas por las partculas a
nivel de dimensin. Calcular la media de las mejores posiciones en cada iteracin del algoritmo tiene un alto
costo computacional, por lo que se debe considerar un nmero reducido de partculas:
best
m

40

(6) |
.
|

\
|
= =

= = = =
M
i
id
M
i
i
M
i
i
M
i
i best
p
M
p
M
p
M
p
M
m
1 1
2
1
1
1
1
,....,
1
,
1 1


El parmetro p en (5) depende de la mejor posicin de la partcula y de la mejor posicin global
segn:
id
p
(7) ( )
gd id
p p p + = 1

donde y u son valores aleatorios entre [0,1], es un coeficiente de expansin-contraccin que toma un valor
entre un rango de [0,1.7]. Esta propuesta fue probada en tres implementaciones (Rosenbrok, Rastring,
Griewank) [30], obteniendo resultados superiores a la versin tradicional de PSO en trminos de velocidad de
convergencia.

2.6 Extraccin de Reglas desde una Red Neuronal.

Dentro de los principales algoritmos desarrollados para la extraccin de reglas de una red neuronal
entregada se tienen los siguientes [38]:
- Algoritmo "M of N ": Realiza bsqueda de reglas de la forma: SI (M de los siguiente N antecedentes
son verdaderos) ENTONCES. Los pasos del algoritmo son:
a) Para cada nodo, hacer un agrupamiento de los pesos de entrada en grupos similares.
b) Encontrar el promedio de cada grupo a partir de los pesos que forman el grupo.
c) Remover grupos que tengan poco efecto en los nodos de salida.
d) Depurar pesos y actualizar el bias de la red.
e) Formar reglas de cada nodo
f) Simplificar las reglas obtenidas a la forma "M of N"
- Algoritmo VIA: Se basa en el manejo de intervalos de validacin, donde cada uno de stos limita la
activacin de patrones en la red. Inicialmente, el usuario puede asignar intervalos arbitrarios a todos
(o a un subconjunto de) los nodos y el algoritmo refina estos intervalos. Este proceso se realiza en
forma iterativa, detectando y excluyendo los valores de activacin que son lgicamente incoherentes
con los pesos y los sesgos de la red. Este mecanismo, garantiza que cada patrn de activacin es
consistente con el conjunto inicial de intervalos. Existen dos posibles salidas del proceso de anlisis
"VIA":
a) La rutina converge: los intervalos resultantes constituyen un sub-espacio que incluye todos
los patrones de activacin en concordancia con la periodicidad inicial.
b) Contradiccin: si se genera un intervalo vaco significa que el lmite inferior de un intervalo
excede a su lmite superior, por ende no existir patrn de activacin alguno que pueda
41

satisfacer las limitaciones impuestas por el intervalo inicial de validez. Por consiguiente, los
intervalos iniciales son incompatibles con los pesos y los sesgos de la red.
- Algoritmo "SUBSET": Es una de las primeras aproximaciones a un algoritmo descomposicional.
Este algoritmo define una bsqueda basada en la extraccin de reglas de la forma SI - ENTONCES
desde una red Multi-Layer Perceptron (MLP) con unidades binarias de salida; adicionalmente la red
tiene nicamente valores binarios de entrada. El algoritmo encuentra las combinaciones de pesos
positivos conectados a un nodo que se active. Estos conjuntos de conexiones se combinan con pesos
negativos para formar reglas que activen el nodo. El algoritmo realiza una bsqueda exhaustiva sobre
todas las conexiones entrantes de un nodo y, como tal, es necesario restringir el espacio de bsqueda.
- Algoritmo "RULENET": Es un algoritmo que emplea una tcnica descomposicional para generar
reglas de la forma SI ENTONCES SINO. Fue propuesto por McMillan, Mozer y Smolensky y se
basa en los pasos del mtodo cientfico, el cual induce una hiptesis e iterativamente la refina hasta
explicar la observacin. El algoritmo se basa en los siguientes pasos:
a) Entrenamiento de la red neuronal.
b) Extraccin simblica de reglas (usando las conexiones ms fuertes de la red)
c) Insercin de reglas extradas en la red (prueba de hiptesis)
El proceso termina cuando la base de las reglas extraas caracteriza el dominio del problema. La red a
utilizar tiene 3 capas definidas: capa de entrada, capa nodo de condicin y capa de salida.
El vector de pesos que conecta los nodos de entrada a los nodos de condicin es usado para detectar
la condicionalidad de la regla para ser aprendida. Despus del entrenamiento, cada nodo de condicin
representa una regla. La matriz de pesos que conecta los nodos de condicin a los nodos de salida es un
conjunto que asegura que hay un nico mapeo entre las entradas y las salidas. La extraccin de reglas es
alcanzada por la descomposicin del vector de pesos para los componentes de condicin de la regla y la
descomposicin de la matriz para los componentes de accin de la regla.
- Algoritmo "REANN": Consiste en un algoritmo basado en una red MLP que consta de las
siguientes fases:
a) El nmero de nodos ocultos de la red se determina automticamente de una manera
constructiva por adicin de nodos, uno tras otro basado en el desempeo de de la red sobre
los datos de entrenamiento.
b) La red neuronal es podada de tal manera que las conexiones pertinentes y nodos de entrada
son eliminados, mientras que su exactitud de prediccin se mantiene.
c) Los valores de activacin de los nodos ocultos son discretizados mediante una agrupacin
heurstica eficiente.
d) Finalmente, se extraen las reglas mediante el examen de los valores de activacin discretos
de los nodos ocultos utilizando un algoritmo de extraccin de reglas.


42

2.7 Criterios de Validacin de un Modelo.

Para cada algoritmo de minera de datos es necesario establecer criterios de evaluacin que
proporcionen medidas de la diferencia entre el resultado del modelo y el proceso real. Para ello se distinguir
entre el error real y el error aparente:
- Si se supone que existe una poblacin de la cual han sido extrados los datos de entrenamiento de
forma aleatoria, se define el error real o poblacional como el error que se comete al ser evaluado el
modelo sobre los datos de la poblacin.
- Se define error aparente o error muestral como el error del modelo sobre la muestra de casos
utilizados en el diseo o construccin del mismo.

El objetivo del modelo es minimizar el error real cometido que al ser desconocido debe de ser
estimado. Todos los mtodos de estimacin se basan en la suposicin de la existencia de un conjunto de
entrenamiento, compuesto por varios patrones. Este conjunto se utilizar para construir y evaluar el modelo,
por lo que la existencia de un buen conjunto de aprendizaje resulta fundamental.
Para la estimacin de los errores se utilizarn diferentes procedimientos en funcin de los objetivos
del mtodo. En particular, si el objetivo del mtodo es realizar una regresin (variable dependiente continua)
es necesario el uso de una medida de distancia para realizar la evaluacin del error: chi-cuadrado,
correlacin, etc. Una vez seleccionada la medida de distancia a utilizar, se puede realizar una estimacin del
error del modelo mediante el clculo de la distancia entre la salida predicha por el modelo y la salida real.

Evaluacin de modelos de clasificacin.

En el caso de algoritmos de clasificacin, los estimadores de error calcular la proporcin de
prototipos incorrectamente etiquetados por el clasificador. Por lo tanto para analizar los errores generados a
partir de un modelo de un modelo de clasificacin se emplean las siguientes herramientas:
- Matriz de Confusin: es una herramienta de visualizacin que se emplea en aprendizaje supervisado.
Cada columna de la matriz representa el nmero de predicciones de cada clase, mientras que cada
fina representa a las instancias en la clase real, como se muestra en la tabla 2. Una ventaja de su
utilizacin es que permiten ver con facilidad si el sistema est realizando una mala clasificacin entre
dos clases.
Matriz de Confusin
Clase a predecir
Clase real
SI NO
SI TP: Verdaderos Positivos FN: Falsos Negativos
NO FP: Falsos Positivos TN: Verdaderos Negativos
Tabla 2: Ejemplo de matriz de confusin
43

- Tasa de Error: Corresponde a nmero de errores dividido por el nmero de muestras.
N
FP FN
Error
| | | | +
= , donde | | | | | | | | TP TN FP FN N + + + =
- Exactitud (Accuracy): Es la proporcin del nmero total de predicciones que son correctas.
| | | | | | | |
| | | |
TN TP FN FP
TN TP
Accuracy
+ + +
+
=
- Recall: Es la proporcin de casos positivos que fueron identificados correctamente. En clasificacin
binaria es llamado sensibilidad.
| | | |
| |
Re
FN TP
TP
call
+
=
- Precisin: Es la prediccin de casos positivos que fueron clasificados correctamente. Se define
como:
| | | |
| |
Pr
FP TP
TP
ecisin
+
=
- Tasa de Falsos Negativos: Es la proporcin de casos positivos que son incorrectamente clasificados
como negativos.
| | | |
| |
FN TP
FN
FNRate
+
=
- Tasa de Falsos Positivos: Es la proporcin de casos negativos que son incorrectamente clasificados
como positivos.
| | | |
| |
FP TN
FP
FPRate
+
=
- Curvas ROC (Receiver operating characteristic): Es una representacin grfica de la sensibilidad
de los verdaderos positivos versus los falsos positivos. En la figura12 se puede apreciar que el punto
(0,1) corresponde a una clasificacin perfecta. La lnea diagonal que divide el espacio de la ROC en
reas de la clasificacin buena o mala. Los puntos por encima de la lnea diagonal indican buenos
resultados de clasificacin, mientras que los puntos por debajo de la lnea indican resultados
errneos.
44

45

Figura 12: Representacin de curva ROC

CAPTULO 3

Diseo de la Solucin


En este captulo se detallar el diseo de la investigacin utilizando el proceso CRISP-DM descrito
en el estado del arte, para obtener una solucin al problema planteado para la fuga de clientes. La primera fase
(comprensin del negocio) se encuentra abordada en el captulo 1, por lo cual se definir el diseo de las
siguientes etapas propuestas.

3.1 Seleccin y descripcin de variables

El primer paso consiste en la obtencin e integracin de los datos necesarios de todas las fuentes de
que se disponen. Esta tarea consiste en la realizacin de una recopilacin de los datos para la minera de datos,
utilizando para ello la lista de recursos disponibles elaborada en la fase de comprensin del negocio. Dicha
lista se incorpora un data warehouse corporativo en SQL Server, un sistema AS400 Maestro de Pliza y la
base de datos de clientes en SQL Server.
Por motivos de confidencialidad los datos personales de clientes de la compaa no son los
originales, sin embargo, se asegura que existe absoluta concordancia con el conjunto de datos entregado y
representan completamente la realidad.
La seleccin del conjunto inicial de variables fue realizada en conjunto con los expertos del negocio,
quienes transmitieron su experiencia y conocimientos sobre el cierre anticipado de las plizas de seguro. El
personal del rea de Informtica realiz la seleccin de las variables solicitadas inicialmente por los expertos
desde los sistemas legacy de la compaa.
La muestra utilizada para este trabajo es de 17.832 registros asociados a clientes que poseen plizas
de vida y de accidentes personales correspondiente al periodo 2008-2010. Esta muestra incluye slo las
plizas cerradas de manera voluntaria por el cliente.
En base a la experiencia y al conocimiento del experto del negocio es posible identificar las variables
que son relevantes para construir modelos el modelo predictivo. En primera instancia se logr identificar un
conjunto de 25 variables que, a juicio del experto, pueden explicar el comportamiento del cliente.
En las tablas 3, 4, 5, 6 y 7 se despliega el conjunto de variables candidatas a integrar el modelo,
clasificadas en distintos grupos de acuerdo al tipo de caracterstica del cliente al que se refieren.





46

Variables de Pliza
Nombre Tipo Descripcin
Nmero de plizas contratadas Discreta
Representa el nmero de plizas contratadas por el cliente en la
compaa.
Monto total de primas Continua
Suma del monto total de primas a pagar por el cliente segn su
frecuencia de pago.
Meses pagados por pliza Discreta Cantidad de meses pagados de la pliza.
Lnea de pliza Categrica
Corresponde a la lnea del producto, si corresponde a plizas de
vida o de accidentes personales.
Prima mensual Continua Monto de prima a cancelar mensualmente.
Cdigo de frecuencia de pago Categrica Frecuencia de pago del monto mensual.
Prima anualizada Continua Monto de prima a pagar de forma anual.
Modo de pago Categrica Modo de pago de la prima
Tabla 3: Variables asociadas a la pliza de seguro

Variables comportamiento de cliente
Nombre Tipo Descripcin
Compr producto VP
Fecha Fecha de compra de producto Vida Protegida
Compr producto HO
Fecha Fecha de compra de producto Hogar
Compr producto SG
Fecha Fecha de compra de producto Seguro General
Compr upgrade de pliza
Fecha
Fecha de compra de upgrade de pliza
Tabla 4: Variables de comportamiento de cliente

Variables del Asesor de Pliza
Nombre Tipo Descripcin
Grupo socioeconmico del
asesor
Categrica Categorizacin del asesor segn su nivel socioeconmico
Agencia actual de asesor
Categrica Agencia asignada al asesor al momento de la venta de pliza
Edad de asesor al momento de
la venta
Discreta Edad del asesor al momento de la venta de pliza
Sexo de asesor
Categrica
Gnero de asesor al momento de la venta
Estado civil asesor
Categrica
Estado civil del asesor al momento de la venta
Fecha contrato de asesor
Fecha
Fecha de inicio de contrato del asesor de la venta
Fecha finiquito de asesor
Fecha
Fecha de finiquito del asesor de la venta
Fecha finiquito de asesor
actual
Fecha
Fecha de finiquito del asesor asignado actualmente al cliente.
Tabla 5: Variables asociadas al asesor de pliza
47

Variables Demogrficas
Nombre Tipo Descripcin
Grupo Socioeconmico Categrica Categorizacin del cliente segn su nivel socioeconmico
Ocupacin Categrica Ocupacin laboral del cliente al momento de contrato de pliza
Sexo Categrica Gnero del cliente
Edad Discreta Edad en aos del cliente.
Estado Civil Categrica Estado civil del cliente al momento de contrato de pliza
Indicador de lealtad marca
vehculo
Categrica
Indicador de lealtad basado en permanencia de marca de un
vehculo determinado
Tabla 6: Variables asociadas al cliente (demogrficas)

Variable dependiente
Nombre Tipo Descripcin
Estado de pliza
Categrica
Estado de la pliza al momento del estudio
Tabla 7: Variable objetivo

3.2 Preprocesamiento de datos

En esta etapa se definen los criterios para solucionar las inconsistencias que se encuentren. Dentro
del conjunto de datos a utilizar existen dos tipos de inconsistencias: valores faltantes y valores fuera de rango.
Los valores faltantes corresponden a la inexistencia del valor de un registro en cierta variable y los fuera de
rango, a valores que se escapen de los rangos normales de las variables, como por ejemplo, edades con
valores en negativo.
Las inconsistencias producen distorsiones sobre las distribuciones de las variables. Para demostrar el
efecto que produce este fenmeno, considerar que para una variable con valores permitidos en el rango de 20
a 60, se ingresa un registro con valor 500. Al transformar los valores de la variable dentro de un intervalo [0,
1], el mnimo (20) tomara como nuevo valor 0 y el mximo (500) tomara como nuevo valor el 1. Ahora
bien, si se considera eliminar el valor fuera de rango, es posible obtener la distribucin correcta de la variable.
En la figura 13 se representa la comparacin de ambas variables, antes y despus de la eliminacin del valor
fuera de rango.
48


Figura 13: Ejemplo de valor fuera de rango

La identificacin de un valor fuera de rango es bastante ms complejo que la identificacin de un
valor faltante, dado que el registro existe en la base de datos y no es nulo (o blanco). Al ser un valor errneo o
inconsistente, una de las formas en que se identifican estos casos es por medio de la delimitacin de rangos
permitidos, definiendo una cota inferior y una cota superior para los valores de cada variable. De esta forma,
si el valor de un registro se encuentra fuera de las cotas permitidas para la variable, se declara como valor
fuera de rango. El resultado final de esta etapa, es tener una base de datos sin inconsistencias para el uso
posterior durante el experimento.

3.3 Transformacin de datos

El objetivo central de esta etapa es obtener una base de datos de trabajo para la aplicacin del anlisis
estadstico, como para la aplicacin de la tcnica de minera de datos. Las transformaciones a aplicar son:
- Conversin de variables texto a variables categricas numricas.
- Escalamiento y estandarizacin de valor sobre un rango.
- Creacin de nuevas variables a partir de las variables originales.

3.4 Seleccin de la tcnica de minera de datos

Para el desarrollo del modelo predictivo, es posible utilizar distintas tcnicas de minera de datos que
permiten modelar un problema de prediccin. Algunas de estas tcnicas pueden ser los rboles de decisin,
mquinas de soporte vectorial, rboles de decisin, redes bayesianas o regresin logstica, entre otras [31]. Sin
embargo las redes neuronales artificiales han sido aplicadas, con notable xito, en problemas de clasificacin,
49

simulacin, procesado de seales y prediccin de series temporales, en campos tan dispersos como la
ingeniera, la economa o las telecomunicaciones. La base matemtica sobre la que descansa esta tcnica, su
relativa sencillez y, especialmente, su extendida popularidad, se justifican para muchos investigadores para su
uso. Un punto importante sobre las tcnicas estadsticas habitualmente empleadas es que son lineales en los
parmetros, es decir, se presupone que las relaciones entre las covariables del problema no revisten excesiva
complejidad. En cambio, en otras disciplinas se realizan estudios en los que intervienen multitud de factores
para los cuales, en muchas ocasiones, se obvian las interacciones o, simplemente, no se evalan con suficiente
rigor. Existen infinidad de variables para describir la situacin y el contexto de un problema especfico. La
simplificacin del problema, efectivamente, facilita el anlisis pero, por contrapartida, conlleva una prdida
de generalizacin y de precisin en el estudio.
Las redes neuronales son capaces de captar los matices que se escapan a los mtodos estadsticos ms
simples. En efecto, hay evidencias de los buenos resultados proporcionados en tareas bien definidas donde las
interacciones entre las covariables del problema son significativas. Se ha establecido que las RNA son
equivalentes a tcnicas estadsticas paramtricas y no paramtricas [31], sin embargo, realmente ocupan un
lugar intermedio y privilegiado; actan como tcnicas semi-paramtricas, es decir, ms flexibles que los
mtodos paramtricos pero requieren menos parmetros que los mtodos no paramtricos [31]. Otras ventajas
son inherentes a su constitucin y fundamentos neurobiolgicos:
- Tratamiento no lineal de la informacin proporcionado por la interconexin de elementos simples de
procesado no lineal (neurona).
- Capacidad de establecer relaciones entrada-salida a travs de un proceso de aprendizaje.
- Aprendizaje adaptativo que les permite a llevar a cabo ciertas tareas mediante un entrenamiento con
ejemplos ilustrativos. No es necesario tener modelos a priori ni se necesita especificar funciones de
distribucin de probabilidad.
- Robustez o tolerancia a fallos dado que almacenan la informacin aprendida de forma distribuida en
las conexiones entre neuronas.
- Uniformidad de anlisis y diseo proporcionado por teoras conjuntas que describen los diferentes
algoritmos y aplicaciones.

En general, el uso de las redes neuronales artificiales est justificado en problemas donde se pueda
aprovechar su potencial para el anlisis no lineal de la informacin, aprovechando su funcin como memoria
asociativa distribuida que evita en gran medida las dificultades en la adquisicin de conocimiento experto, la
tolerancia al ruido proporcionada por su arquitectura inherentemente paralela y su adaptabilidad. Estas
caractersticas hacen a las redes neuronales preferibles a otros mtodos matemticos en problemas para los
cuales:
- No es posible encontrar un conjunto de reglas sistemticas que describan completamente el
problema.
- Se dispone de una cantidad razonable de ejemplos representativos del problema.
50

- Hay que trabajar con datos imprecisos o incoherentes.
- Se tiene un gran nmero de variables que definen el problema (alta dimensionalidad del problema).
- Las condiciones del problema son cambiantes.

Como tcnica de minera de datos se utiliza una tcnica hbrida, la cual est compuesta de una red
neuronal artificial del tipo feedforward, que adicionalmente se le incorpora un algoritmo evolutivo como
mtodo de aprendizaje y ajuste de la red. Se menciona como limitante, que slo se utiliza este hbrido para
probar el rendimiento y la capacidad clasificadora utilizando una tcnica como son las redes neuronales, las
cuales tienen cierto xito comprobado en tareas de este tipo, y una tcnica basada en nuevas investigaciones
sobre aplicaciones de algoritmos evolutivos para resolucin de problemas de optimizacin.

3.5 Evaluacin y discusin de resultados

En esta etapa se evalan los resultados del modelo segn el nivel de acierto en la prediccin de la
clase para cada cliente. El resultado de esta etapa es la identificacin de aquellas caractersticas que
determinan el patrn de fuga, y poder ayudar al analista de negocio entregando la informacin necesaria para
determinar las causas y motivos que gatilla esta conducta y determinar acciones que permitan:
- Aumentar la rentabilidad: si se identifica y retiene a un cliente, y se logra que ste mantenga su
pliza vigente por ms tiempo dentro de la compaa, es posible ir aumentando las utilidades y
rentabilidad del negocio ya que a ese cliente se le pueden ofrecer otro tipo de productos y servicios.

- Focalizar los esfuerzos de retencin: al identificar a los clientes potenciales a fuga, es posible
focalizar de mejor manera los recursos para provocar que los esfuerzos para la retencin sean ms
efectivas.

- Mejora del servicio entregado: al identificar los motivos o caractersticas que determinan que un
cliente cierre sus plizas, se permite la mejora continua de los productos y servicios entregados. Esto
se logr revisando la importancia de cada variable incluida en el modelo

- Fidelizar a los clientes: al mejorar la calidad del servicio y productos entregados, aumenta la
fidelidad del cliente; esto conlleva a que los clientes sean menos sensibles a la captacin generada
por la competencia, lo que genera que se deba invertir en la captacin de nuevos clientes, incurriendo
en un costo alto para la empresa de venta de seguros.

En el siguiente captulo se centra en la etapa de anlisis y preparacin de los datos, la cual es de gran
importancia para el inicio de la aplicacin de la minera de datos y la extraccin del conocimiento enfocado a

51

CAPTULO 4

Anlisis y Preparacin de los Datos


El preprocesado de los datos es una de las tareas ms importantes dentro de todo proceso de
extraccin de conocimiento segn lo explicado en el captulo 2 y descrito en el diseo de la solucin. A
continuacin se describe en detalle las tareas de cada etapa.

4.1 Descripcin, exploracin y anlisis de calidad de los datos

Luego de definir las variables a utilizar en el experimento, se procedi a realizar un anlisis
descriptivo y exploratorio de estas variables para determinar cules son sus caractersticas, relaciones entre
ellas y, adems, poder verificar la calidad de los datos entregados pudiendo identificar valores faltantes y
fuera de rango.

V1: Variables de Pliza

Nmero de plizas contratadas: Corresponde a la cantidad de productos que posee el cliente dentro de la
compaa. Se incluye esta variable para el estudio, ya que existe una relacin inversamente proporcional a la
cantidad de productos que un cliente tiene en la compaa con la tendencia a la fuga tal como se presente en la
figura 14.

Estadsticos
Nro Productos Contratados
Media 1,90
Mediana 2,00
Moda 1
Desv. est. 1,179
Varianza 1,390
Mnimo 1
Mximo 14
Figura 14: Distribucin de Nmero de plizas contratadas

52

Monto total de primas: Corresponde al monto total de las primas a pagar de la pliza contratada. Se incluye
esta variable ya que a juicio del experto del negocio, una razn de fuga sera que a mayor el monto de prima a
pagar, es ms posible que el cliente deje de pagar y cierre sus plizas. En la Figura 15 se aprecia la
distribucin de la variable. En la tabla 8 se puede apreciar que un 81% de los datos corresponde a primas
cuyos valores van desde las 3 a 50 UF.
Monto Total de Primas (UF)

Frecuencia Porcentaje
Porcentaje
Acumulado
100 y ms 576 3,2 3,2
3 a 50 14448 81,0 84,3
50 a 100 2807 15,7 100,0

Total 17831 100,0

Tabla 8: Porcentaje y Frecuencia de Monto Total de Primas



Estadsticos
Media 34,9674
Mediana 29,0400
Moda 5,28
Desv. est. 27,68328
Varianza 766,364
Mnimo 3,60
Mximo 392,17
Figura 15: Distribucin Monto Total de Primas


Prima mensual (UF): Monto a pagar mensualmente de la pliza. Al consultar con el experto del negocio,
ste nos indica que el monto total de primas se obtiene a partir de la prima anualizada (prima mensual *
frecuencia de pago) por la cantidad de productos contratados de Vida o AP tal como se presenta en la figura
16.



53



Estadsticos
Prima mensual de Pliza
Media 1,8728
Mediana ,9700
Moda ,44
Desv. est. 7,51055
Varianza 56,408
Mnimo ,23
Mximo 374,50
Figura 16: Prima Mensual (UF)

Frecuencia de Pago: Esta variable corresponde a la frecuencia de pago de la pliza, segn la figura 17 y la
tabla 8, el 97,2% de las plizas tiene frecuencia de pago mensual.


Figura 17: Distribucin de variable Frecuencia de Pago







54


Frecuencia de Pago

Frecuencia Porcentaje
Porcentaje
acumulado
Anual 319 1,8 1,8
Mensual 17325 97,2 99,0
Semestral 187 1,0 100,0

Total 17831 100,0

Tabla 9: Frecuencia y Porcentaje de variable Frecuencia de Pago


Meses pagados por pliza: Esta variable se incluye en primera instancia, ya que muestra la cantidad de
meses pagados de la pliza; este dato es de relevancia ya que est estrictamente relacionada con la frecuencia
de pago y si existe morosidad en la vida de la pliza. En la figura 18 se observa claramente que existen
valores fuera de rango, por lo que no es un dato confiable desde el origen.


Estadsticos
Meses pagados por pliza
Media 8,42
Mediana 7,00
Moda 1
Desv. tp. 8,100
Varianza 65,614
Mnimo -6
Mximo 244
Figura 18: Distribucin Meses pagados por pliza


Lnea de pliza: Corresponde a la lnea de producto de la pliza; en la figura 19 se muestran los dos grandes
productos que maneja la compaa que son: pliza de vida y pliza de accidentes personales. Para este estudio
no se consideraron otros tipos de productos.

55


Figura 19: Lneas de Producto

Modo de pago: Modo de pago en el cual realiza el cliente su pago de pliza. En la Figura 20 se observa que
el mtodo de pago ms utilizado por los clientes, es el automtico. Cabe destacar que esta clase fue agrupada
por el analista de negocio, la cual contena las subclases PAC y PAT.

Figura 20: Modo de Pago






56

V2: Variables Demogrficas.

Grupo Socioeconmico: Esta variable representa el sector de la poblacin en la que se encuentra el cliente.
En la Figura 21 se observa que para esta variable hay un gran porcentaje de valores faltantes (16,1%), lo que
se verifica en la tabla 10.


Figura 21: Grupo Socioeconmico

Grupo Socioeconmico

Frecuencia Porcentaje
Porcentaje
Acumulado

2869 16,1 16,1
ABC1 1694 9,5 25,6
C2 6575 36,9 62,5
C3 4752 26,7 89,1
D 1941 10,9 100,0

Total 17831 100,0

Tabla 10: Frecuencia y Porcentaje de variable Grupo Socioeconmico


Ocupacin: Esta variable tiene relacin con la actividad que ejerce el cliente dueo de la pliza. En la Figura
22 se muestra que existen muchas clases para esta variable, por lo que en el paso siguiente se realizar una
transformacin a esta variable agrupando caractersticas similares. El analista de negocio nos indica la
importancia de esta variable, ya que es un claro indicador del nivel educacional del cliente.
57



Figura 22: Distribucin de variable Ocupacin

Sexo: La relacin entre esta variable y el fenmeno de fuga ha sido constantemente discutida en variados
estudios. En [32] concluyen que existen diferencias notorias entre ambos sexos, en donde las mujeres son
consideradas ms estables en sus preferencias y, por ende, tienen una menor probabilidad de fugarse de la
institucin, a diferencia de los hombres que se consideran ms inestables en sus preferencias y, por ende, con
mayores tendencias a la fuga. Sin embargo, en [33] se obtienen resultados totalmente distintos y contrapuestos
respecto al estudio anterior. En la figura 23 se observa que la variable Sexo (cliente) tiene una distribucin en
dnde ms del 60% de las muestras corresponden a clientes del sexo masculino.

Figura 23: Distribucin variable Sexo
58

Edad: En [32] argumentan que la edad es una variable discriminadora respecto a comportamientos asociados
a la fuga de clientes. En dicho estudio, se concluye que los clientes de mayor edad son ms estables en sus
preferencias y, por ende, tienen menores tendencias a cambiarse a otra institucin. En caso contrario, para un
cliente joven se concluy que son ms inestables en sus preferencias, lo que aumenta su tendencia a
cambiarse de institucin. Al extrapolar esto a las plizas de seguro, los clientes de mayor edad son ms
estables, ya que para ellos es ms difcil poder abrir una nueva pliza de seguro por las enfermedades
preexistentes y por el encarecimiento de la mantencin de las plizas. En cambio los clientes jvenes tienden
a cerrar sus productos por no sentir la necesidad de tener una pliza de vida.
En la figura 24 se observa que existen valores fuera de rango para las edades de los clientes.
Haciendo un segundo anlisis de esta variable, contrastndola con la variable objetivo, indica que 19 registros
pertenecientes a la clase RENUNCIADA presentan valores fuera del rango de estudio.

Estadsticos
Edad
Media 35,98
Mediana 35,00
Moda 33
Desv. tp. 9,084
Varianza 82,511
Mnimo -6
Mximo 70


Figura 24: Distribucin de variable Edad

Indicador de lealtad marca vehculo: En la figura 25 se muestra la distribucin de la variable Indicador de
Lealtad de marca de vehculo. Esta variable se incorpor por ser un buen referente del comportamiento de un
cliente respecto a su fidelidad ante a una marca determinada. Esta variable tiene 3 clases: LEAL,
PARCIALMENTE LEAL y NO LEAL. Segn la tabla 11 se observa que la suma de las dos ltimas clases
supera el nmero de la primera clase.

59


Figura 25: Indicador de Lealtad


Indicador Lealtad * Estado de Pliza

Estado de Pliza

RENUNCIADA VIGENTE
Total
LEAL 1504 4506 6010
NO LEAL 890 3803 4693
Indicador Lealtad
PARCIALMENTE LEAL 1361 5767 7128
Total 3755 14076 17831
Tabla 11: Indicador de Lealtad/Estado de Pliza


V3: Variables del Asesor de Venta de la Pliza

Grupo socioeconmico del asesor: En la figura 26 se observa que para la variable Grupo Socioeconmico
del Agente de Emisin posee alrededor del 18% con valores faltantes.

60


Figura 26: Grupo Socioeconmico del Agente Emisor


Sucursal de Agente de Emisin: Para esta variable, en la figura 27 se despliega la distribucin, la cual nos
demuestra que tiene varias clases dependiendo de la oficina. En la prxima etapa se agruparn estas clases de
variables dependiendo de la zona geogrfica de la sucursal.



Figura 27: Sucursal Agente Emisin

61


Sucursal Agente Emisin * Estado de Pliza

Estado de Pliza

RENUNCIADA VIGENTE
Total
Antofagasta 95 482 577
Concepcin 263 943 1206
La Concepcin 42 221 263
Los Hroes 1120 3547 4667
M. Pereira 357 2136 2493
Plaza Italia 898 3813 4711
Rancagua 229 847 1076
Temuco 393 520 913
Sucursal Agente Emisin
Via 358 1567 1925
Total 3755 14076 17831
Tabla 12: GSE Sucursal Agente Emisin/Estado de Pliza


Edad de asesor al momento de la venta: En la Figura 28 se encuentra la distribucin de la edad del Asesor
de la pliza; se puede apreciar que existen valores fuera de rango, considerando que la edad laboral de un
Asesor es desde los 18 aos hasta los 65. Dada esta informacin, la tabla 18 indica que 18 registros presentan
valores fuera de rango de la edad (menores de 18 y mayores de 65), dentro de la clase de inters que es la
pliza RENUNCIADA.


Estadsticos
Edad Asesor
Media 37,80
Mediana 35,00
Moda 33
Desv. tp. 9,955
Varianza 99,108
Mnimo 0
Mximo 83
Figura 28: Distribucin Edad Asesor
62


Estado civil asesor: En la Figura 29 para la variable Estado Civil de Asesor, se presentan 3 registros que no
poseen informacin, y contrastando con la tabla 13, estos registros pertenecen a la clase RENUNCIADO de
la variable objetivo.


Figura 29: Estado Civil Asesor


Estado Civil Asesor * Estado de Pliza

Estado de Pliza

RENUNCIADA VIGENTE
Total

3 0 3
Anulado 15 36 51
Casado 1906 7886 9792
Soltero 1616 5117 6733
Estado Civil Asesor
Viudo 215 1037 1252
Total 3755 14076 17831
Tabla 13: Estado Civil Asesor/Estado de Pliza

Variable Dependiente

La variable dependiente, en la cual se basa la fuga o no de un cliente, se define por el estado de la
pliza. Esta variable fue medida dentro del periodo de extraccin de los datos, que corresponde a 24 meses.
63

En la figura 30, se puede apreciar que la clase de mayor inters (RENUNCIADA) corresponde a un
21,1% del total de la muestra de clientes, es decir que la tasa de retencin de la institucin estudiada para un
periodo de 24 meses, corresponde a un 78,9%. Considerando este dato de inters para el negocio, se justifica
an ms poder encontrar un modelo adecuado que permita determinar de manera temprana el patrn de
comportamiento de los clientes propensos a cerrar sus plizas.

Figura 30: Estado de Pliza

Conclusiones de la etapa.

Del anlisis inicial de los datos, se obtuvieron las siguientes conclusiones:
- Para la variable grupo socioeconmico de asesor se tiene un alto porcentaje de valores faltantes .
Dada la dificultad de poblar estos valores en base a otros datos del cliente, se opta por no
considerarla en el estudio.
- Se observa que para varias variables con valores fuera de rango que exceden de los valores lmites.
- Las variables asociadas al asesor, como el estado civil y el sexo, se eliminan ya que a juicio del
analista de negocio, esta informacin no influye en el cierre de las plizas.









64

4.2 Preparacin de los datos

4.2.1 Seleccin de variables.
Segn el resultado de la etapa anterior, la tabla 14 lista las variables a utilizar para la preparacin de los datos.

Nombre Tipo Valores
Grupo Socioeconmico Categrica ABC1, C2, C3, D
Nmero de plizas contratadas Discreta 1 a 14 plizas
Monto total de primas Continua 3 a 400 UF
Meses pagados por pliza Discreta -6 a 244 meses
Lnea de pliza Binaria VI (Vida), AP (Accidente Personal)
Modo de pago Categrica Automtico, Por Caja, Descuento Planilla
Ocupacin Categrica Multiclase
Sexo Binaria Masculino, Femenino
Edad Discreta -6 a 70 aos
Estado Civil Categrica Soltero, Casado, Anulado, Viudo
Indicador de lealtad marca
vehculo
Categrica
Leal, Parcialmente Leal, No Leal
Edad de asesor al momento de
la venta
Discreta 0 a 83 aos
Antigedad de asesor. Discreta
Compr producto VP Fecha Fecha de compra
Compr producto HO Fecha Fecha de compra
Compr producto SG Fecha Fecha de compra
Compr upgrade de pliza Fecha Fecha de compra
Estado de pliza Binaria Vigente, Renunciada
Tabla 14: Seleccin de Variables de estudio

4.2.2 Limpieza de datos.

En esta etapa se aplicaron los criterios y soluciones para las inconsistencias encontradas en la base de
datos, datos duplicados, valores faltantes y valores fuera de rango.
Para la identificacin de los datos duplicados, se estim que eran aquellos registros correspondientes
al mismo cliente que repetan los mismos datos, excepto el tipo de pliza y el monto de la prima a pagar. Se
65

opt por dejar slo un registro correspondiente a su pliza de vida. La tabla 15 muestra la cantidad y
porcentaje de casos duplicados encontrados en la base de datos entregada.

Identificacin de casos duplicados

Frecuencia Porcentaje
Porcentaje
acumulado
Casos duplicados 6999 39,3 39,3
Casos no duplicados 10832 60,7 100,0

Total 17831 100,0

Tabla 15: Resumen de casos duplicados

La identificacin de un valor faltante se realiz en la base a la ausencia del valor de un registro. La
tabla 16 muestra el porcentaje de valores faltantes que tiene cada variable de entrada respecto al total de
registros.
Nombre Variable % completados % faltantes % total
Grupo Socioeconmico
83,8% 16,2% 100%
Nmero de plizas contratadas
100% 0% 100%
Monto total de primas
100% 0% 100%
Meses pagados por pliza
100% 0% 100%
Lnea de pliza
100% 0% 100%
Modo de pago
100% 0% 100%
Ocupacin
75,3% 24,7%
100%
Sexo
100% 0%
100%
Edad
100% 0%
100%
Estado Civil
99,99% 0.01%
100%
Indicador de lealtad marca vehculo
100% 0%
100%
Edad de asesor al momento de la venta
100% 0%
100%
Antigedad de asesor.
100% 0%
100%
Compr producto VP
100% 0%
100%
Compr producto HO
100% 0%
100%
Compr producto SG
100% 0%
100%
Compr upgrade de pliza
100% 0%
100%
Estado de pliza 100% 0%
100%
Tabla 16: Resumen de % de datos faltantes

66

La identificacin para un valor fuera de rango u outliers, se defini intervalos para los valores
permitidos para las variables de entrada, cada uno con un valor mnimo y un valor mximo para las variables
numricas. En la tabla 17 se presentan las variables y sus rangos permitidos.

Nombre Variable Valor mn Valor max % fuera rango
Nmero de plizas contratadas
1 14 0%
Monto total de primas
3 400 0%
Meses pagados por pliza
0 60 1%
Edad
14 80 0,7%
Edad de asesor al momento de la venta
18 65 1%
Antigedad de asesor. 0 400
0%
Tabla 17: Cotas superior e inferior para variables

Para resolver las inconsistencias se emplearon las siguientes soluciones:

- Eliminacin de registros: Esta solucin se basa en eliminacin de todos aquellos objetos (clientes
en nuestro caso) que tengan uno o ms valores faltantes o fuera de rango dentro de sus registros de
sus variables. Para el caso de los valores fuera de rango, se opt por eliminar los registros que tenan
menos de un 1%. Se verific que con esta eliminacin es poco significativa la prdida respecto al
total de clientes.
- Creacin de nueva categora: Esta solucin se implement para los datos discretos faltantes, dado a
que existan datos para ciertas variable, que se perderan al eliminarlos si slo posean una variable
categrica con valor faltante.

4.2.3 Cambio de Formato de Variables

Las variables con formato texto son variables categricas. Para realizar el experimento, cada una de
ellas se codifica con valor 1 en cada neurona por separada. La tabla 18 muestra las variables sufrieron esta
transformacin:







67

Nombre de Categora Valor
Grupo Socioeconmico
ABC1 1
C2 2
C3 3
D 4
No Informado 5
Indicador de Lealtad
Leal 1
Parcialmente Leal 2
No Leal 3
Sexo
Masculino 0
Femenino 1
Estado Civil
Soltero 1
Casado 2
Viudo 3
Anulado 4
Lnea de Producto
Vida 0
Accidente Personal 1
Modo de Pago
Automtico 1
Por Caja 2
Descto. Planilla 3
Frecuencia de Pago
Anual 1
Semestral 2
Mensual 3
Tabla 18: Cambio de formato de variables categricas

Para las variables desplegadas en la tabla 19, se consider la fecha de contrato como indicador de
cambio, por lo que se reemplazaron dichas fechas con un valor 1, y la ausencia de registros con valor 0.



68

Nombre de Categora Valor
Compr producto VP
Adquiri producto 1
No adquiri producto 0
Compr producto HO
Adquiri producto 1
No adquiri producto 0
Compr producto SG
Adquiri producto 1
No adquiri producto 0
Compr upgrade de pliza
Adquiri producto 1
No adquiri producto 0
Tabla 19: Cambio de formato de variables de fecha


4.2.4 Generacin de nuevas variables

Dada la complejidad con algunas variables categricas se generaron nuevas variables para facilitar el
estudio. La tabla 20 muestra las nuevas variables que generaron nuevas:

Variable anterior Nueva Variable Descripcin Valor
Ocupacin Tipo Profesin Nivel educacional alcanzado por el
cliente a partir de su ocupacin
laboral.
1=Profesional
0=No Profesional
Fecha Finiquito
Asesor Actual
Cliente Hurfano Indica si un cliente no tiene asesor
asignado a su pliza.
1=Hurfano, 0=con
asesor.
Fecha contrato
Asesor Venta
Antigedad Asesor Cantidad de meses de permanencia
del asesor en la compaa.
0-400 meses
Fecha Finiquito
Asesor Venta
Cambio Asesor Indica si un cliente tuvo un cambio
de asesor durante su permanencia
0=Sin cambio, 1= Con
cambio
Sucursal de Emisin Zona Cliente Indica la zona geogrfica del
cliente.
1=Norte, 2=Centro,
3=Sur
Tabla 20: Resumen de generacin de nuevas variables

4.2.5 Escalamiento de Variables

Para asegurar una mejor convergencia de los algoritmos es recomendable escalar las variables dentro
de un mismo intervalo, siendo la idea central dejar las variables en una escala comn y comparable [27], por
lo tanto todas las variables fueron escaladas dentro de un intervalo [0,1].
69

4.3 Resumen del captulo

Durante la etapa de preparacin de los datos, se han realizado distintas tareas que permiten dejar una
base de datos de trabajo consistente. Dentro de estas tareas cabe destacar el escalamiento de las variables y
las transformaciones de aquellas del tipo categricas, dejndolas como nodos separados con valor uno. Estos
cambios son necesarios por el tipo de algoritmo a aplicar que tiene como restriccin la representacin de los
datos de entrada deben ser numricos, como es el caso de la red neuronal evolutiva. En el siguiente captulo se
realiza la ejecucin de los experimentos y el despliegue de los resultados obtenidos en cada uno de ellos.


70

CAPTULO 5

Aplicacin de Minera de Datos


Todos los pasos realizados en la preparacin de los datos, ha permitido obtener una consistente base
de datos de trabajo. De la observacin de los datos se han obtenido algunas conclusiones, aunque no es sino
en este momento cuando es posible intentar extraer informacin ms til que permita comprender mejor la
interrelacin entre las variables a analizar, y conclusiones que sean de real apoyo a evaluar el proceso.
En este captulo se analizan los resultados obtenidos por distintos modelos implementados. Se
utilizaron dos conjuntos para la definicin de los modelos: entrenamiento y prueba; con el conjunto de
entrenamiento se construye el modelo y con el conjunto de prueba se evala la capacidad de clasificacin.
Para hacer comparables estos resultados se utilizaron los mismos conjuntos para todos los modelos
implementados.
El objetivo central de esta etapa corresponde a la bsqueda de la mejor topologa de red, la que ser
llamada configuracin ptima de parmetros; esta configuracin se caracteriza por obtener los mejores
resultados en trminos de prediccin sobre el conjunto de prueba. En la primera seccin se discute la mejor
forma para obtener la configuracin ptima de parmetros para cada modelo y se describe la forma en que se
construyeron los conjuntos de entrenamiento y prueba. La segunda seccin compara los resultados obtenidos
por cada modelo realizado, detallando las configuraciones ptimas de parmetros.


5.1 Generacin de conjunto de datos para la generacin de modelos

La forma en se generaron los conjuntos de entrenamiento y de prueba fue mediante la aplicacin del
mtodo de validacin cruzada 10-fold [34]. Este mtodo divide la base total de datos en diez subconjuntos con
igual nmero de objetos; luego se asignan nueve de estos subconjuntos para conformar el conjunto de
entrenamiento y un conjunto para la validacin. El conjunto de entrenamiento se utiliza para la construccin
del modelo y para la seleccin de los parmetros y el conjunto de test para evaluar la efectividad. Dicha
particin y posterior asignacin se realiza diez veces, teniendo como objetivo central que cada subconjunto
constituya una vez al conjunto de prueba. Esto ltimo minimiza el sesgo ocasionado por la construccin,
evaluacin y posterior seleccin de un modelo basado en un conjunto particular de objetos.
La ventaja de utilizar este mtodo permite la calibracin de los distintos parmetros bajo distintos grupos
de datos para obtener el mejor resultado posible


71

5.2 Ajuste de parmetros

Se comienza el experimento con el ajuste de los parmetros del modelo, los cuales se dividirn en dos
tipos: parmetros fijos, los cuales se mantienen sin alteracin durante todo el experimento; y parmetros
configurables, los cuales se van ajustando por cada experimento.

5.2.1 Parmetros fijos

- Nodos de entrada y salida de la red: corresponden a las variables seleccionadas y adecuadas
(transformacin) en la etapa anterior, las cuales permitirn realizar una aproximacin funcional ptima.
Se inicializan las variables independientes, el nmero de neuronas de la capa de entrada est determinado
por el nmero variables. La capa de salida est determinada por la variable dependiente, puesto a que se
necesita discriminar entre dos categoras, bastar con utilizar una nica neurona (por ejemplo, salida 1
para la categora A, salida 0 para la categora B).

- Nmero de partculas de la poblacin (enjambre): este parmetro corresponde a la cantidad de
individuos del enjambre que componen cada generacin del algoritmo evolutivo. Se toma un valor de fijo
de treinta partculas, puesto a que la literatura recomienda dicho tamao para la mayora de los problemas
a optimizar..

- Nmero de ciclos o pocas: cantidad mxima de iteraciones del algoritmo evolutivo para que pueda
converger a una solucin.


5.2.2 Parmetros configurables

- Inicializacin del enjambre: corresponde al rango de inicializacin ptimo de los pesos de la red
neuronal.

- Velocidad mxima de la partcula
max
V : permite la movilidad de la partcula sobre el universo de
soluciones para encontrar una matriz de pesos sinptica ptima.

- Parmetros
1
c ,
2
c ,
1
r ,
2
r : aceleran la convergencia del algoritmo y evitan la cada en mnimos
locales.

- Peso de inercia w: controla el impacto de la historia previa de las velocidades actuales, compensando
las capacidades de exploracin global (amplias) y local (cercanas).
72

5.2.3 Experimentos de Ajustes de Parmetros

El objetivo de estos experimentos es determinar cul es la configuracin ptima de parmetros que
permitan entrenar la red neuronal y as obtener el mejor resultado para la resolucin del problema de
clasificacin.
A menudo, la naturaleza estocstica de los algoritmos evolutivos les imposibilita obtener una misma
solucin cuando se realiza un nuevo proceso de optimizacin, es decir, las nuevas soluciones obtenidas son
prximas (parecidas) a las encontradas en ensayos previos, al punto que es posible hablar de un rango de
variabilidad de soluciones factibles. Este fenmeno se conoce como ruido [35] y est relacionado al
comportamiento aleatorio de algunos de los parmetros de los propios algoritmos. Pese a ello, se ha
determinado que una sintonizacin apropiada de parmetros disminuira considerablemente el margen de esta
variabilidad.
Para encontrar la mejor configuracin se realizar un anlisis que se basa en evaluar diferentes
escenarios del algoritmo mediante ensayos, calculando la media y desviacin estndar de las soluciones
encontradas por cada configuracin. Una vez realizados los ensayos, la configuracin y los resultados se
tabulan en una tabla para decidir cul es la configuracin que entrega el mejor error.

Inicializacin de pesos iniciales (Inicializacin del enjambre)

Se hace una asignacin de pesos pequeos generados de forma aleatoria, en un rango de valores entre
[0.5, 0.5] para iniciar el ajuste del resto de parmetros del algoritmo evolutivo.
Parmetros c1, c2 y
max
V
Para el ajuste de estos parmetros se definieron los siguientes valores para la realizacin de los
experimentos, tal como se presenta en la tabla 21.
Parmetro 1 2 3 4
c1 y c2 [2, 2] [2, 0.75] [0.75, 2] [1.75, 0.75]
Vmax 0.1 0.05 0.15 0.2
Tabla 21: Configuraciones para V , c1 y c2
max
Los resultados obtenidos modificando los parmetros indicados se muestran en las tablas 22, 23, 24,
25 y en las figuras 31, 32, 33 y 34.
max
V
c1 y c2 MSE o MSE
[2, 2] 2,20E-04 2,11E-04
[2, 0.75] 3,70E-04 4,60E-04
[0.75, 2] 6,56E-03 5,16E-03
0.1
[1.75, 0.75] 7,42E-03 5,36E-03
Tabla 22: Resultados para Vmax=0.1
73



Figura 31: Comparacin del error para Vmax=0.1

max
V
c1 y c2 MSE o MSE
[2, 2] 2,18E-04 2,12E-04
[2, 0.75] 3,62E-03 3,40E-03
[0.75, 2] 4,67E-03 2,87E-03
0.05
[1.75, 0.75] 4,81E-03 5,36E-03
Tabla 23: Resultados para Vmax=0.05


Figura 32: Comparacin del error para Vmax=0.05
74


max
V
c1 y c2 MSE o MSE
[2, 2] 4,77E-04 3,40E-04
[2, 0.75] 6,12E-06 5,66E-06
[0.75, 2] 4,96E-03 4,50E-03
0.15
[1.75, 0.75] 4,10E-03 5,56E-03
Tabla 24: Resultados para Vmax=0.15


Figura 33: Comparacin del error para Vmax=0.15

max
V
c1 y c2 MSE o MSE
[2, 2] 5,20E-05 3,88E-05
[2, 0.75] 7,26E-04 5,48E-04
[0.75, 2] 9,78E-03 5,30E-03
0.2
[1.75, 0.75] 1,11E-02 1,18E-02
Tabla 25: Resultados para Vmax=0.2

75


Figura 34: Comparacin del error para Vmax=0.2

Parmetro w
Pare el ajuste este parmetro se defini los siguientes valores indicados en la tabla 26:
Parmetro 1 2 3 4
W 0.3 0.4 0.5 0.6
Tabla 26: Configuraciones para parmetro w

Los resultados obtenidos modificando los parmetros indicados son entregados en la tabla 27:
w MSE o MSE
0.3 2,26E-02 2,40E-02
0.4 4,62E-03 7,62E-03
0.5 5,43E-04 5,38E-04
0.6 7,27E-05 6,32E-05
Tabla 27: Resultados para parmetro w

76


Figura 35: Comparacin del error para parmetro w


Parmetros r1 y r2

Para el ajuste de estos parmetros se definieron los valores indicados en la tabla 28:
Parmetro 1 2 3 4
r1 y r2 [1, 1] [2, 0.75] [0.75, 2] [1.75, 0.75]
Tabla 28: Configuraciones para parmetros r1 y r2

Los resultados obtenidos modificando los parmetros indicados en la tabla 29.

r1 y r2 MSE o MSE
[1, 1] 4,86E-03 4,50E-03
[2, 0.75] 1,16E-05 1,21E-05
[0.75, 2] 4,90E-06 5,56E-06
[1.75, 0.75] 5,01E-03 6,26E-03
Tabla 29: Resultados para parmetro r1 y r2
77


Figura 36: Comparacin del error para parmetros r1 y r2

5.2.4 Funcin de Activacin

Para aprovechar la capacidad de las redes neuronales de aprender relaciones complejas o no lineales
entre variables, se recomienda la utilizacin de funciones no lineales al menos en las neuronas de la capa
oculta. Si bien existen varias funciones disponibles (ej. funciones de base radial), se utilizar una funcin
sigmoidal del tipo tangente hiperblica como funcin de activacin en las neuronas de la capa oculta, si se
utiliza otro tipo de funcin, por la naturaleza de los datos, la red se muestra incapaz de aproximar la funcin y
diverge.
La eleccin de la funcin de activacin en las neuronas de la capa de salida depender del tipo de
tarea impuesto. Dado que el problema es de clasificacin, las neuronas normalmente toman la funcin de
activacin sigmoidal, al contrario de las tareas de prediccin o aproximacin de una funcin, en las cuales
generalmente las neuronas toman la funcin de activacin lineal.

5.2.5 Experimentos de Ajustes de Nodos de Capa Oculta

En la seccin anterior se realiz un anlisis de los parmetros del algoritmo de aprendizaje; sin
embargo, en todos los ensayos se utiliz un nmero de neuronas de capa oculta igual a dos como estructura de
ajuste. Por lo tanto, es necesario sensibilizar la estructura con el fin de encontrar una cantidad de nodos
ocultos ideal para mejorar el nivel de clasificacin. Para esto, se realiz un proceso de anlisis para determinar
la cantidad de nodos, utilizando el porcentaje de acierto en la clasificacin.
78

En la tabla 30 se resumen los resultados obtenidos al aplicar la metodologa de ajuste de parmetros,
donde se muestra la evolucin del porcentaje de acierto, tanto para el conjunto de entrenamiento como para el
conjunto de test, respecto al mejor valor obtenido para el nmero de nodos de la capa oculta.

Entrenamiento Prueba
Nodos Capa Oculta Partculas % Acierto % Acierto
2 30 85,8 84,5
3 30 86,2 86,1
4 30 85,8 85,9
5 30 84,8 84,6
6 30 83,5 82,8
7 30 86,8
83,5
8 30 85,5
82,4
9 30 84,4
82,1
10 30 83,5
81,6
Tabla 30: Resultados configuracin de nodos capa oculta

Conclusiones

El mayor porcentaje de aciertos sobre el conjunto de entrenamiento se obtuvo con el modelo que
utiliza tres nodos para la capa oculta, configuracin que obtiene como resultado un 86,2% de acierto en la
prediccin. Se puede observar que al aumentar el valor del nmero de nodos en la capa oculta se genera una
disminucin en el porcentaje de aciertos sobre el conjunto de prueba. Esto se debe ya que al penalizar en
forma excesiva los errores del conjunto de entrenamiento, el modelo se sobreajusta produciendo una
disminucin en la generalizacin del modelo.

79


Figura 37: Comparacin de cantidad de aciertos
80

CAPTULO 7

Evaluacin y discusin de resultados


Luego de haber presentado la tcnica de minera de datos a utilizar y el diseo e implementacin de
esta solucin, es hora de verificar si los resultados son los esperados, es decir, si se ha logrado realizar una
buena clasificacin de los clientes en nivel aceptable. Para ello se realiza la simulacin de la mejor red
neuronal, real y complejo, una vez optimizados y fijos todos los parmetros del mismo. En la tabla 30 se
muestra la mejor configuracin de la red neuronal a utilizar.

Parmetros Valor
Inicializacin (Pesos randmicos) [-0,5 0,5]
c1 y c2 [2, 0.75]
w 0.6
Vmax 0.15
r1 y r2 [0.75, 2]
Nmero de Iteraciones 300
Nmero capas capas ocultas 1
Nmero nodo ocultos 3
Funcin activacin capa oculta
x x
x x
e e
e e
x

= ) tanh(
Funcin activacin capa salida
x
e
x sig

+
=
1
1
) (
Tabla 31: Mejor Configuracin de Red Neuronal Evolutiva

Los resultados de las simulaciones se presentan en forma de extraer el mayor conocimiento posible
acerca del comportamiento de las redes neuronales y especialmente del algoritmo de aprendizaje utilizado en
su entrenamiento, su eficiencia, eficacia y rendimiento para este tipo de problema.
Para el anlisis de los resultados arrojados por la simulacin se examina los ndices de sensibilidad,
especificidad y eficacia, y del anlisis de curvas ROC.

7.1 Rendimiento de Red Neuronal

El modelo de red neuronal finalmente seleccionado obtuvo buenos resultados a partir del conjunto de
pruebas. As, estableciendo la funcin umbral con un punto de corte igual a 0,5 en la salida de la red, las
salidas bajo este valor eran consideradas como plizas renunciadas y las mayores plizas vigentes. En
81

trminos de porcentaje, la sensibilidad, especificidad y eficacia de la red fueron todos del 86.1%. Por su parte,
el rea total bajo la curva ROC dio como resultado 0.8345
Como el proceso de aprendizaje neuronal usado es la minimizacin del error cuadrtico medio total,
el entrenamiento en el que existen muchas muestras de la clase pliza vigente' y muy pocas de la clase
renunciada no es aconsejable, ya que la clase pliza vigente sera predominante en este proceso de
aprendizaje y, lgicamente, la red se entrenar ms en el sentido de minimizar el error de la pliza vigente
que del pliza renunciada. Como se puede observar en la tabla 31, solamente se alcanza un 50,1% de
porcentaje de xito en la clasificacin de la clase pliza renunciada, lo cual claramente demuestra que el
entrenamiento y aprendizaje estuvo cargado hacia la clase que predomina.

Matriz de Confusin
Pronosticado
Estado de Plizas
Renunciada Vigente % acierto
Renunciada 210 209 50,1%
Vigente 56 1431 96,2%

Porcentaje total 14,0% 86,0% 86,1%
Tabla 32: Matriz de Confusin



Figura 38: Curva ROC

82

Para el problema descrito anteriormente existen dos soluciones para solucionar este problema: se
puede reducir la cantidad de muestras de la clase ms grande (perdiendo la capacidad de generalizacin de la
red), o bien se duplica las muestras de estructuras regulares defectos la clase ms pequea disminuyendo as
la tendencia de predominancia de la clase ms grande [37].
Dado los resultados entregados, existe un buen nivel en la clasificacin de los clientes por parte del
modelo de red neuronal; sin embargo existe una diferencia en los clientes marcados con su pliza renunciada.
Al modificar los datos de trabajo, segn la recomendacin de duplicar la cantidad de datos de la clase pliza
renunciada y disminuir los datos de la clase pliza vigente se obtienen los resultados de la tabla 32. Al
analizar se ve que mejor considerablemente el porcentaje de acierto en la clasificacin de la clase pliza
renunciada teniendo un rea total bajo la curva ROC de 0.8810; sin embargo, el porcentaje global de aciertos
disminuy al perder generalizacin de la red, quedando en un 80,8%.

Tabla 33: Matriz de Confusin 2

Analizando los resultados obtenidos, se revisa un mal rendimiento en la clasificacin de la clase
pliza renunciada (cercano a un 70% de acierto). De todas maneras, al revisar las curvas ROC y el rea bajo
la curva, se tiene un buen desempeo (rea de 0.8810), que si bien no es cercana a 1, se considera aceptable
dentro del marco del problema a estudiar. Como se mencion anteriormente los resultados se explican por la
baja cantidad de muestras de la clase pliza renunciada, por lo que el entrenamiento y validacin se
cargan a la clase con ms datos representativos.

7.2 Extraccin de reglas del modelo de red neuronal

El algoritmo para la extraccin de reglas desde el modelo de red neuronal elegido es una adaptacin
del M of N, por lo tanto, para la aplicacin se tiene como entrada la red neuronal entrenada explicada en el
punto anterior y la matriz de pesos sinpticos de la capa oculta.
Nodos 1 2 3 Nodos 1 2 3
1 0,25795 0,58304 -0,36156 20 -0,10236 -0,34412 -0,01535
2 0,85947 0,02515 0,63462 21 -0,28207 -0,14767 -0,81634
3 0,35821 0,15299 0,54478 22 -0,40446 0,12785 0,64394
4 0,66038 -0,04528 0,64528 23 -0,07014 -0,34265 0,02942
Matriz de Confusin Training
Pronosticado
Clases
0 1 % acierto
0 2436 1040 70,1%
1 402 4032 90,9%

Porcentaje total 35,9% 64,1% 81,8%
Matriz de Confusin Testing
Pronosticado
Clases
0 1 % acierto
0 600 264 69,4%
1 126 1036 89,2%

Porcentaje total 35,8% 64,2% 80,8%
83

5 0,66364 -0,05909 0,48182 24 0,86635 0,05269 0,62195
6 -0,21313 -0,05882 0,56471 25 0,99061 -0,34412 0,96484
7 -0,03636 0,44318 -0,36174 26 0,5473 -0,14767 0,31081
8 0,85086 0,05901 -0,2681 27 0,02312 0,12785 0,91911
9 0,80648 0,04576 -0,43107 28 0,77273 -0,34265 0,91036
10 0,65217 -0,34412 0,36217 29 0,54559 0,05269 0,36705
11 0,31889 -0,14767 -0,19277 30 0,89263 0,98019 -0,06256
12 0,52632 0,12785 -0,1209 31 0,4766 0,84222 0,27639
13 0,39468 -0,34265 0,08764 32 0,05405 0,2973 -0,18599
14 0,59784 0,05269 0,44303 33 0,2381 0,09524 0,40476
15 0,47968 -0,34412 0,31409 34 0,65574 0,01639 0,85246
16 0,60586 -0,14767 -0,51171 35 0,12067 -0,35924 0,69091
17 0,6623 0,12785 -0,26569 36 0,66667 0,0119 0,82143
18 0,80882 -0,34265 -0,4022 37 0,87778 0,00222 0,83556
19 -0,17036 0,05269 -0,65158 38 0,34545 -0,03636 0,29091
Tabla 34: Matriz de pesos sinpticos

Aplicacin de algoritmo de agrupamiento
Al aplicar este algoritmo se combina valores cercanos de los pesos sinpticos y se actualiza con sus
promedios. Se utiliza el algoritmo K-means con 3 clusters definidos para este propsito para cada una de los
pesos de las conexiones. El resultado de este proceso es el siguiente:
Centros de Cluster

Cluster

1 2 3
Nodo 1 0,01329 0,49066 0,65420
Nodo 2 0,06645 0,06494 0,25284
Nodo 3 0,26334 0,60117 0,23860
Tabla 35: Centros obtenidos de algoritmo K-means

Nodo de
Entrada Cluster Distancia
Nodo de
Entrada Cluster Distancia
7 1 0,521 26 2 0,307
11 1 0,324 27 2 0,597
13 1 0,587 28 2 0,502
19 1 0,446 29 2 0,268
20 1 0,39 33 2 0,358
21 1 0,632 34 2 0,311
23 1 0,411 35 2 0,481
32 1 0,374 36 2 0,292
2 2 0,381 37 2 0,458
3 2 0,261 38 2 0,344
84

4 2 0,176 1 3 0,53
5 2 0,21 8 3 0,278
6 2 0,705 9 3 0,321
10 2 0,401 12 3 0,214
14 2 0,224 16 3 0,487
15 2 0,401 17 3 0,128
22 2 0,917 18 3 0,637
24 2 0,394 30 3 0,785
25 2 0,678 31 3 0,803
Tabla 36: Cluster definidos para los pesos

Extraccin de reglas.
En esta etapa se identifica qu grupos de pesos no tienen efecto sobre la entrada total de activacin
de cada neurona de la red. Los grupos que no exceden el umbral definido (ejemplo: el bias o el promedio de
pesos en el caso de la red evolutiva) de la neurona son eliminados. Se asume que la neurona tiene una mxima
activacin con un valor cercano a 1 o una inactivacin con un valor cercano a 0; por lo tanto, cada entrada a la
neurona puede interpretarse como una funcin booleana. De ah que la deduccin se reduce a determinar la
situacin en la cual la regla es verdadera.
De los grupos obtenidos, se debe dividir en dos subconjuntos correspondientes a uno con los pesos
positivos y otros con los pesos negativos. Finalmente, dado o como la entrada de activacin al conjunto de
grupos enviados a la neurona, se definen el valor mximo y mnimo de activacin por las expresiones:

=
=
n
j
j
w a
1
min
} 0 , min{ ;

=
=
n
j
j
w a
1
max
} 0 , max{
donde corresponde a los pesos de entrada de la neurona.
j
w
Para cada neurona de la capa oculta se realizan los siguientes pasos:
- Si
max
a es menor que el promedio, entonces eliminar todos los grupos.
- Extraer un conjunto de grupos positivos P con la condicin que la suma de los pesos de la
entrada
p
w sea mayor al promedio.
- Para cada conjunto de datos encontrado:
o Calcular la entrada de activacin a =
max
a +
p
w
o Si a es mayor al promedio, entonces construir reglas para el grupo y continuar con el
siguiente conjunto.
- Extraer un conjunto de grupos negativos N con la condicin que
n
w sea menor que a menos el
promedio, donde
n
w es la suma de los pesos de N.
- Con cada grupo N crear una regla para el grupo positivo y negativo.
- Al final se debe obtener reglas de la forma: SI umbral < promedio_pesos * numero_aciertos
(Entradas) ENTONCES Z
85

Para la extraccin de las reglas, se codifican los nodos de entrada de la siguiente forma:
} ... , , {
3 2 1 n i
X X X X X = ; donde n=38 nodos de entrada.
y se verifica qu entrada a la neurona de la capa oculta cumple las condiciones del algoritmo planteado.
Luego de realizar los clculos, al comparar los valores de los nodos agrupados se obtiene la siguiente regla:
- SI 0,2 < 0,42 * 3(
5
X ,
20
X ,
32
X ) + 0,28 * 2 (
10
X ,
25
X ) ENTONCES Y

Generalizacin de la regla.
De la regla obtenida con el procedimiento anterior es posible realiza la generalizacin de la regla en
base a los parmetros de entrada en la forma M de N:
SI (3 de (Cambio de Asesor, Cliente Hurfano, Pago por Caja) ENTONCES Y
SI (2 de (Meses Pagados, Prima Mensual) ENTONCES Y

Conclusiones.
Realizando el algoritmo de extraccin de reglas de la red neuronal, se pudo llegar a la obtencin de
dos patrones de caractersticas de un cliente, del cual se debe tener en consideracin para analizar su
comportamiento. Al revisar las reglas obtenidas al realizar la generalizacin, se infiere lo siguiente:
- Si un cliente posee un cambio de asesor, adems de ser cliente hurfano y posee modo de pago
por caja, entonces ese cliente cierra su pliza.
- Si un cliente tiene meses pagados atrasados y tiene frecuencia de pago mensual, entonces ese
cliente cierra su pliza.

7.3 Anlisis de sensibilidad de variables

El mtodo ms comn para realizar un anlisis de sensibilidad consiste en fijar el valor de todas las
variables de entrada a su valor medio e ir variando el valor de una de ellas a lo largo de todo su rango, con el
objeto de observar el efecto que tiene sobre la salida de la red. Siguiendo este mtodo, se fue registrando los
cambios que se producan en la salida de la red, cada vez que se aplicaba un pequeo incremento en una
variable de entrada. Se propone como objetivo cuantificar la influencia que tiene cada variable de entrada.
Segn [36] la suma de los cambios producidos proporciona una medida intuitiva de sensibilidad. Esta medida
representara el efecto relativo que tiene una variable de entrada sobre la salida de la red. As, un valor
cercano a 0 indicara poco efecto o sensibilidad; a medida que se fuese alejando de 0, indicara que el efecto
va aumentando. Esta medida de sensibilidad se obtuvo mediante la siguiente expresin:

| |
min k kn
N
n
ik
X X S =
donde
ik
S = medida de sensibilidad de la variable de entrada i sobre la salida k
86

kn
X = valor de la salida k obtenido con el incremento n en la variable de entrada i
min k
X = valor de la salida k obtenido con el valor mnimo posible de la variable de entrada i

En la tabla 33 se presentan dichos valores ordenados de mayor a menor. As, los primeros valores de
la tabla corresponden a las variables de entrada con ms influencia o relacin con la salida de la red. As, se
puede observar que las variables que tienen mayor influencia son: la cantidad de meses pagados clientes
ABC1, pago por caja, clientes hurfanos, cliente viudo y la prima mensual.

Variable Predictora Sensibilidad
Meses Pagados 0,095
Cliente ABC1 0,071
Pago por Caja 0,057
Cliente hurfano 0,048
Cliente Viudo 0,045
Cliente Anulado 0,044
Prima Mensual 0,044
Frecuencia de pago anual 0,04
Cambio de Asesor 0,038
Tabla 37: Variables ms influyentes




87


CAPTULO 8

Conclusiones y Trabajo Futuro


En este captulo se resumen las principales conclusiones derivadas del trabajo realizado, en el cual se
verifica el cumplimiento de los objetivos propuestos y revisando los principales resultados obtenidos el
modelo propuesto. Adems, propone el trabajo futuro que se genera a partir de este trabajo.

8.1 Conclusiones del uso de redes neuronales

En este informe se entreg un resumen del marco terico de la bsqueda del conocimiento a travs
de distintas tcnicas de minera de datos, especficamente, utilizando modelos de clasificacin en base a las
redes neuronales artificiales, especficamente de las redes MLP, siendo en este caso un algoritmo hbrido ya
que su algoritmo de aprendizaje se bas en uno evolutivo conocido como Optimizacin por Enjambre de
Partculas (PSO). De este marco se han obtenido conclusiones que han sido tenidas en cuenta en el diseo de
la solucin.
De la implementacin del algoritmo se pueden sacar conclusiones que ayudan a comprender la forma
en que se comporta la red neuronal con aprendizaje basado en PSO:
- Las funciones de activacin deben ser acotadas en su dominio, por eso, se utilizan las funciones de
tipo sigmoidal; de otro modo, la red se muestra incapaz de aproximar la funcin y diverge.
- La curva de aprendizaje de la red oscila fuertemente en las primeras iteraciones, producto del cambio
del vector de pesos (partcula) en el entrenamiento de la red.
- La red neuronal realiza una aproximacin de tipo global de la transformacin entrada/salida, lo que
favorece su capacidad de generalizacin y permite una mayor eficacia en la capacidad de
clasificacin. Esto es producto a que el algoritmo de aprendizaje es evolutivo e independiente de la
derivada. En cambio, si se utiliza una la red neuronal con aprendizaje con retropropagacin, se debe
utilizar funciones de activacin dependientes de la derivada, lo que realiza una aproximacin de tipo
local y esto limita su capacidad de generalizacin.
- Las redes neuronales tienen la desventaja sobre a otros mtodos de clasificacin en el ajuste
complejo de los parmetros para encontrar la mejor configuracin de la red y la forma de extraer las
reglas de clasificacin desde la red entrenada.
- La utilizacin de una adaptacin del algoritmo M de N para realizar la extraccin de reglas, permiti
conocer un patrn de caractersticas de cliente que es importante tomar en cuenta a la hora de realizar
el anlisis.
88

8.2 Conclusiones del negocio

El modelo propuesto es una buena herramienta en el apoyo de la toma de decisiones para la
identificacin de los posibles clientes que cerrarn sus plizas, por ende, sern clientes fugados. Con la
deteccin de este tipo de cliente se pueden hacer ms efectivas las polticas de retencin. El analista de
negocio puede realizar las siguientes tareas utilizando el modelo entregado:
- Utilizar modelos de prediccin de fuga de clientes de manera regular, de forma de tener un
comportamiento proactivo al problema de cierre de plizas.
- Entregar a los asesores de plizas un listado de sus clientes con mayores caractersticas de cierre de
pliza para aplicar las polticas de retencin apropiadas a ese cliente.
- Complementar la informacin entregada por los modelos de prediccin de fuga con un anlisis
multidimensional en los data marts de la compaa con la informacin histrica de los clientes.
- Eliminar del modelo las variables con menos implicancia en el comportamiento de cliente en el
cierre de sus plizas.

8.3 Trabajo futuro

- Entregar al analista de negocio una interfaz de usuario amigable, en la cual pueda cargar rpidamente
los datos y obtener los datos de las variables ms significativas para su uso.
- Mejorar aspectos claves tales como velocidad, carga computacional y precisin de la convergencia
en la red neuronal; asimismo minimizar el nmero de parmetros de la red, de manera de que su
implementacin no resulte desfavorablemente costosa.
- Cambiar el algoritmo de aprendizaje a retropropagacin para ver el comportamiento de la red y
comparar los resultados a nivel de velocidad de convergencia y resultados obtenidos.
- Utilizar otra topologa de red neuronal, como por ejemplo, red recurrente del tipo Elman o Jordan,
para comparar con los resultados obtenidos con la red feedforward en temas de precisin de los
resultados.
- Comparar los resultados obtenidos con otro tipo de clasificadores, como por ejemplo mquinas de
soporte vectorial, clasificadores neurodifusos u otros clsicos como regresin logstica o rboles de
decisin.

8.4 Conclusiones Personales

La enseanza impartida por el programa de Magster, enfocada al mbito profesional, permiti
dirigirse al problema, indicado como gnesis de este trabajo, desde una perspectiva analtica y llevarlo de
forma estructurada y seria a la vista del usuario de negocio. El curso de Inteligencia de Negocios permiti
elegir una lnea de estudio y profundizar ms en los temas relacionados en descubrimiento del conocimiento
basado en el anlisis de datos.
89

Como el trabajo tiene una fuerte base matemtica con usos de mtodos estocsticos, se destaca la
importancia del ramo de Redes Neuronales Evolutivas que contribuy a encontrar una buena herramienta
para desarrollar la investigacin. Tambin el programa contaba con asignaturas enfocadas al trabajo tales
como Sistemas de Apoyo a la Planificacin Estratgica, que permiti conocer la importancia de la
informacin en la realidad empresarial del siglo XXI y en la toma de decisiones que justifica, desde el punto
de vista de negocio, la necesidad de tener datos reales para realizar acciones en la empresa. Asimismo se
destaca la enseanza de las series de tiempo enfocadas al mbito profesional aplicadas al pronstico en los
negocios.
A nivel personal, el trabajo realizado permiti exponer en la empresa abrir una nueva lnea de
negocio dirigida a la realizacin de proyectos de inteligencia de negocios, aplicando los conocimientos
adquiridos por el programa y poder gestionarlos de mejor manera.
90

Referencias Bibliogrficas

[1] Superintendencia de Valores y Seguros: Estructura del Mercado Asegurador [En lnea]. Disponible en
http://www.svs.cl, 2011

[2] A. Athanassopoulos: Customer satisfaction cues to support market segmentation and explain switching
behavior. Journal of Business Research, 47:197, 2000.

[3] F. Reichheld and E. Sasser. Zero defections: Quality comes to services. Harvard Business Review,
105:111, 2000.

[4] U. Fayyad. Data mining and knowledge discovery: Making sense out of data. IEEE Expert-Intelligent
Systems & Their Applications, 11:20 25, 1996

[5] Dorian Pyle, Business Modeling and Data Mining, Ed. Morgan Kaufmann, 2003

[6] Molinero Luis. Construccin de modelos de regresin multivariantes. Alce Ingeniera Abril 2002.

[7] Paralic, J. Andrssyov, E Intelligent Knowledge Discovery Dept. of Cybernetics and Artificial
Intelligence.

[8] Prez Lpez, Csar, Econometra de las series temporales, Pearson Educacin S. A., Prentice Hall,
Madrid, 2006.

[9] SPSS, CRISP-DM 1.0 Step-by-step data mining guide, 2000.

[10] SAS, Data Mining and the Case for Sampling Solving Business Problems Using SAS Enterprise
Miner Software, 1998.

[11] Azevedo Ana, Santos Manuel Filipe, KDD, SEMMA AND CRISP-DM: a Parallel Overview. IADIS,
ISBN: 978-972-8924-63-8, 2008

[12] Yu Zhao

, Bing Li, Xiu Li, Wenhuang Liu and Shouju Ren, Customer Churn Prediction Using Improved
One-Class Support Vector Machine. Cims Research Center, Automation Department, Tsinghua University,
Beijing 100084, China.

91

[13] Gang Wang, Erik Goodman, William Punch, On the Optimization of a Class of Blackbox Optimization
Algorithms. GARAGe/Case Center Technical Report, 1997.

[14] McCulloch, W.S., Pitts, W. A logical calculus of the ideas immanent in nervous activity, Bulletin of
Mathematical iophysics, Vol. 5 pag. 115-133, 1943.

[15] Hebb, D.O. Organization of behavior. New York, Editorial Science Editions, 1949.

[16] Widrow, B. Adaptative sampled-data systems, a statistical theory of adaptation. IRE WESCON
Convention Record, parte 4. New York, Institute of Radio Engineers, 1959.

[17] Rosemblatt, R. Principles of neurodynamics. New York, Editorial Spartan Books,
1959.

[18] Minsky, M.L., Papert, S. Perceptrons. Cambridge MA, Editorial MIT Press, 1969.

[19] Rumelhart D.E., McClelland, J.L. & Group, Parallel Distributed Processing. Explorations in the
Microstructure of Cognition. Cambridge, MA: MIT Press, 1986.

[20] A. Abraham, H. Guo, H. Liu, Swarm Intelligence: Foundations, Perspectives and Applications, Studies
in Computational Intelligence (SCI), Springer-Verlag, vol. 26, pages 3-25, November 2006.

[21] Widrow B., Hoff M.E., Adaptive switching circuits. En 1960 IRE WESCON Convention Record, pag. 96-
104, New York, 1960.

[22] Rosenblatt, F., The Perceptron: A probabilistic Model .for information storage and organization in the
brain, Psycological Review, 1958.

[23] Werbos Paul. Beyond Regresion: New tools for prediction and Anayisis in the behavioral Sciences.
Harvard, Cambridge, 1974.

[24] A. Khosla, S. Kumar, K.K. Aggarwal, J. Singh, Particle Swarm for Fuzzy Models Identification, Studies
in Computational Intelligence (SCI), Springer-Verlag, vol 26, pages 149-173, November 2006.

[25] lvarez Nelson, Crawford Broderick, Optimizacin de funciones a travs de Optimizacin por Enjambre
de Partculas y Algoritmos Genticos. Pontificia Universidad Catlica de Valparaso, Escuela de Ingeniera
Informtica, Valparaso, Chile, 237-1099.
92

93
[26] J. Kennedy, R.C. Eberhart, Particle Swarm Optimization, Proceedings of the IEEE International
Conference on Neural Networks, vol. 4, pages 1942-1948, December 1995.

[27] J. Kennedy, R.C. Eberhart, Y. Shi, Swarm Intelligence, The Morgan Kaufmann Series in Artificial
Intelligence, Morgan Kaufmann, San Francisco - California, pages 3-80, April 2001.

[28] J.R. Prez, Contribucin a los Mtodos de Optimizacin Basados en Procesos Naturales y su Aplicacin
a la Medida de Antenas de Campo Prximo, a Thesis presented to the University of Cantabria, October 2005.

[29] J. Liu, J. Sun, W. Xu, Quantum-Behaved Particle Swarm Optimization with Adaptive Mutation Operator,
Lecture Notes in Computer Science (LNCS), Springer-Verlag, vol. 4221, pages 959-967, September 2006.

[30] A. Abraham, H. Guo, H. Liu, Swarm Intelligence: Foundations, Perspectives and Applications, Studies
in Computational Intelligence (SCI), Springer-Verlag, vol. 26, pages 3-25, November 2006

[31] Serrano Agustn, Aplicacin de las redes neuronales artificiales a la prediccin del resultado del
trasplante renal peditrico, Universisd de Valencia, 2004

[32] B. Mittal and W.A. Kamakura. Satisfaction, repurchase intent, and repurchase beha- vior: investigating
the moderating effect of customer characteristics. Journal of Marketing Research, 1(131{142), 2000.

[33] M.G. Dekimpe and Z. Degraeve. The attrition of volunteers. European Journal of Operational Research,
98(1):37{51, 1997.

[34] C.I.Mosier. Problems and designs of cross-validation. Educational and Psychological Measurement, 11:6
11, 1951.

[35] T. Bartz-Beielstein, D. Blum, J. Branke, Particle Swarm Optimization and Sequential Sampling in Noisy
Environments, Operations Research/Computer Science Interfaces, Springer US, pages 261-273, August 2007

[36] Palmer Pol, A. Montao Moreno, Prediccin del consumo de xtasis a partir de redes neuronales
artificiales, Facultad de Psicologa. Universidad de las Islas Baleares

[37] Haykin S, Neural networks: a comprehensive foundation Englewood Cliffs, New Jersey: IEEE Press
1994

[38] R. Andrews, J. Diederich, and A. B. Tickle, Survey and critique of techniques for extracting rules from
trained artifcial neural networks, Knowledge-Based Systems, vol. 8, no. 6, pp. 373:389, 1995