Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/23859
Arquivos neste item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2018_MatheusKempaSeverino.pdf | 1,18 MB | Adobe PDF | ver/abrir |
Título: | Support vector machine aplicado à detecção de fraudes em seguros |
Autor(es): | Severino, Matheus Kempa |
Orientador(es): | Peng, Yaohao |
Assunto: | Máquinas de suporte vetorial Seguros Fraude Aprendizado de máquina |
Data de apresentação: | Nov-2018 |
Data de publicação: | 4-Mai-2020 |
Referência: | SEVERINO, Matheus Kempa. Support vector machine aplicado à detecção de fraudes em seguros. 2018. 46 f.; il. Trabalho de Conclusão de Curso (Bacharelado em Administração)—Universidade de Brasília, Brasília, 2018. |
Resumo: | O presente estudo realizou a predição para sinistros com fraudes mediante a aplicação do Support Vector Machine, um modelo de aprendizado de máquinas, com base em 36 variáveis explicativas. Para a previsão foram testados 4 kernels. Comparou-se as atuais predições com os trabalhos feitos atualmente, porém devido a carência de trabalhos envolvendo seguros residenciais e empresariais, foi feito um comparativo a partir dos modelos já existentes para o ramo dos automóveis. Os resultados mostraram que o modelo SVM obteve um desempenho satisfatório, chegando a uma acurácia média de 81%. Por fim discute-se como isso pode ser aplicado às seguradoras e como esse algoritmo pode trazer benefícios para o futuro. |
Abstract: | The present study made a prediction for claims with the use of a support vector machines, with a machine learning model, based on 36 explanatory variables. For the demonstration 4 kernels were tested. The current predictions were compared with the work done nowadays, but because of the lack of works in the property insurance, was done a comparison from the existing models for the automobile industry. The results showed that SVM obtained a satisfactory performance, reaching an accuracy of 81 %. Finale we discussed how could this alghorithm be apply to insurers and which benefits this algorithm could bring to the future. |
Informações adicionais: | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, Departamento de Administração, 2018. |
Aparece na Coleção: | Administração |
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.