Miniatura

Fitxers

TFM-CAF_ValleNofuentes_2021.pdf (3.01 MB)

Tipus de document

Treball de fi de màster

Data de publicació

2021

Llicència de publicació

cc-by-nc-nd (c) Valle Nofuentes, 2021
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/178720

Automatic Machine Learning for Insurance: H2O Experiment

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

This thesis provides an introduction of machine learning (ML), shows the implication that ML has on the insurance sector and takes a special consideration to the H2O ensemble modelling approach for the insurance claim fraud detection binary classification. The aim of this thesis is to study the H2O Automatic ML potential and compare the results generated with traditional algorithms such as lineal perceptron, Logistic Regression, multilayer perceptron, support vector machine and decision tree. Using H2O web interface or R programming, not only the most efficient ML algorithms are obtained with no effort but also provide better modelling metrics than traditional methods.

Descripció

Treballs Finals del Màster de Ciències Actuarials i Financeres, Facultat d'Economia i Empresa, Universitat de Barcelona, Curs: 2020-2021, Tutor: Dr. Salvador Torra Porras

Matèries

Aprenentatge automàtic, Companyies d'assegurances, Sistema binari (Matemàtica), Treballs de fi de màster

Matèries (anglès)

Machine learning, Insurance companies, Binary system (Mathematics), Master's theses

Citació

Col·leccions

Màster Oficial - Ciències Actuarials i Financeres (CAF)

Citació

VALLE NOFUENTES, Samuel. Automatic Machine Learning for Insurance: H2O Experiment. [consulta: 29 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/178720]

Exportar metadades

JSON - METS

Compartir registre