La eficiencia de modelos supervisados (regresión logística, árbol de decisión y xgboost) en la detección de fraudes en pólizas de seguros vehiculares
Fecha
2023-08-10
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Esta investigación está basada en el análisis y evaluación de modelos que permitan la predicción de fraudes en las solicitudes de reclamación de pólizas vehiculares. Existen varios modelos utilizados en Machine Learning, en este caso se implementaron solo tres: regresión logística, Árbol de decisión y XGBoost. Se compararon la eficacia de cada uno de ellos mediante métricas específicas y la general la Curva ROC.
This research is based on the analysis and evaluation of models that allow the prediction of fraud in the claim of insured vehicle policies. There are several models used in Machine Learning, in this case only three were implemented: Logistic Regression, Decision Tree and XGBoost. The effectiveness of each of them was compared using specific metrics and the general ROC Curve.
Descripción
Palabras clave
Fraudes, Pólizas, Reclamos de seguros, Aprendizaje automático, Regresión Logística, Árbol de Decisión, Fraud, Policy, nsured Claims, Machine Learning, Logistic Regression, Decision Tree