Projeto explorando grafos KNN e curvatura de Ricci como abordagem de enriquecimento de features para modelagem de risco de crédito, conectando fundamentos geométricos, machine learning e interpretação orientada a negócio.
Em cenários de risco de crédito, grande parte das abordagens tradicionais depende de variáveis tabulares clássicas. Este projeto investiga uma linha complementar: representar clientes em um espaço relacional por meio de grafos e extrair sinais geométricos das conexões, ampliando a capacidade descritiva do conjunto de dados.
A proposta central foi construir um grafo de vizinhança entre clientes, aplicar conceitos de curvatura discreta nas arestas e transformar esses sinais em features que possam apoiar análises e futuras etapas de modelagem supervisionada em contexto de crédito.
Domínio: Risco de Crédito
Tipo: Projeto de Portfólio
Abordagem: Graph ML / Feature Engineering
Foco: Enriquecimento de sinais geométricos
Modelos de crédito dependem fortemente da qualidade dos sinais disponíveis. Em muitos casos, variáveis tradicionais não capturam padrões relacionais, proximidades estruturais ou indícios geométricos úteis para diferenciar perfis de comportamento.
Explorar se estruturas baseadas em grafos e curvatura de Ricci podem gerar atributos complementares, tecnicamente interessantes e potencialmente úteis para enriquecer estudos de risco de crédito.
Representação relacional entre clientes por proximidade no espaço de features.
Uso de curvatura discreta como sinal geométrico nas conexões do grafo.
Geração de atributos derivados para enriquecer análises e modelagens futuras.
Esta página apresenta a visão executiva do case. Para ver a construção técnica detalhada, a documentação analítica e a evolução do estudo, acesse o notebook HTML completo.