Avaliação da ocorrência de sinistros através da aplicação de algorítimos de machine learnig
Nenhuma Miniatura disponível
Arquivos
Data
2020-10-05
Autores
Cesar, Brian dos Santos Furtado [UNIFESP]
Orientadores
Lucas, Edimilson Costa [UNIFESP]
Tipo
Trabalho de conclusão de curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Resumo
O presente trabalho tem como intuito contribuir para a evolução dos estudos relacionados ao mercado segurador brasileiro no âmbito de modelagem estatística, por meio do estudo comparativo entre o Random Forest e a Regressão Logística. Os modelos foram aplicados sobre os dados disponibilizados pelo sistema AUTOSEG com o objetivo de identificar quais variáveis que melhor discriminam a ocorrência de sinistros. O modelo que apresentou maior acurácia foi o Random Forest, mostrando ser uma ferramenta com grande potencial de
This present work aims to contribute to the evolution of studies related to the Brazilian insurance market in the context of statistical modeling, through a comparative study between Random Forest and Logistic Regression. The models were applied to the data made available by the AUTOSEG system in order to identify which variables best describe the occurrence of claims. The model that presented the greatest accuracy was the Random Forest, showing to be a tool with great poten
This present work aims to contribute to the evolution of studies related to the Brazilian insurance market in the context of statistical modeling, through a comparative study between Random Forest and Logistic Regression. The models were applied to the data made available by the AUTOSEG system in order to identify which variables best describe the occurrence of claims. The model that presented the greatest accuracy was the Random Forest, showing to be a tool with great poten
Descrição
Citação
CESAR, Brian dos Santos Furtado. Avaliação da ocorrência de sinistros através da aplicação de algorítimos de machine learnig. 2020. 81 f. Trabalho de Conclusão de Curso (Graduação em Ciências Atuariais) - Universidade Federal de São Paulo, Osasco, 2020.