Carregant...
Tipus de document
Treball de fi de grauData de publicació
Llicència de publicació
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/212741
Anàlisi de la sinistralitat d'una cartera d'automòbil
Títol de la revista
Autors
Director/Tutor
ISSN de la revista
Títol del volum
Recurs relacionat
Resum
Els sinistres, en el ram dels automòbils, són uns fets que es produeixen diàriament. Cada dia
es produeixen avaries als vehicles o accidents. Tothom té contractada una assegurança
obligatòria per cobrir els danys que produeixen a les persones de fora. El grup Catalana
Occident és una empresa pionera en el món de les assegurances. Aquesta recopila tots els
sinistres que han passat en unes bases de dades mensual. En aquestes bases hi ha una variable
que ens indica la fase en la qual es troba el sinistre. Però a vegades ens trobem amb problemes
de classificació.
Per aquest motiu, l'ús del Machine learning o aprenentatge automàtic amb models de
classificació pot ser un recurs per poder solucionar el problema de mala classificació de la fase
en la qual es troba el sinistre. Aquests models ens permeten entrenar les dades per aprendre
d'elles i obtenir classificacions i prediccions de les bases amb un nivell més alt de precisió.
Aquest treball té com a objectiu aplicar tècniques de classificació mitjançant el Machine
Learning per a abordar el problema de la mala classificació de les fases del sinistre. Per això,
utilitzem tres mètodes de classificació que avaluaran el seu rendiment. Aquests són: Arbres de
decisió, Naive Bayes i Regressió Logística. Compararem aquests mètodes i seleccionarem el
millor model de classificació per les dades del treball.
Descripció
Treballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2022-2023, Tutor: Salvador Torra Porras
Matèries (anglès)
Citació
Citació
NAVARRO CATARINEU, Anna. Anàlisi de la sinistralitat d'una cartera d'automòbil. [consulta: 23 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/212741]