Document type
Bachelor thesisPublication date
Publication license
Please use this identifier to cite or link to this item: https://hdl.handle.net/2445/212741
Anàlisi de la sinistralitat d'una cartera d'automòbil
Journal Title
Authors
Director/Tutor
Journal ISSN
Volume Title
Related resource
Abstract
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.
Description
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
Subject (English)
Citation
Citation
NAVARRO CATARINEU, Anna. Anàlisi de la sinistralitat d'una cartera d'automòbil. [consulted: 9 of August of 2026]. Available at: https://hdl.handle.net/2445/212741