La eficiencia de modelos supervisados (regresión logística, árbol de decisión y xgboost) en la detección de fraudes en pólizas de seguros vehiculares

Aguirre González, José María2023-08-102023-08-102023-08-10https://hdl.handle.net/20.500.12558/5176Esta 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.Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/FraudesPólizasReclamos de segurosAprendizaje automáticoRegresión LogísticaÁrbol de DecisiónFraudPolicynsured ClaimsMachine LearningLogistic RegressionDecision TreeLa eficiencia de modelos supervisados (regresión logística, árbol de decisión y xgboost) en la detección de fraudes en pólizas de seguros vehicularesTrabajo de grado