Análisis mediante técnicas de aprendizaje automático aplicado a datos de siniestros en una compañía de seguros

Abstract

En la presente memoria se intentará predecir el tiempo que tardan los profesionales de una empresa de seguros en realizar sus trabajos a partir de métodos de machine learning. Para ello, primero se hará una introducción a lo que es el mundo del aprendizaje automático o machine learning explicando sus características, sus defectos, como solucionar estos defectos y como preparar una buena base de datos para el aprendizaje automático. Se utilizarán los métodos más usuales dando una breve explicación de cómo funcionan y sus características más importantes. Los métodos utilizados son: Regresión Linear, Regresión polinómica, Support Vector Regressor (SVR), K Nearest Neighbor (KNN), Árbol de decisión, Bosques aleatorios (Random Forest o RF), Gradient Boosting, todos ellos pertenecientes a la librería scikit-learn con su formato para regresión, es decir, para poder predecir un valor. La evaluación se realizará a partir del indicador mean absolute error o MAE, el coeficiente de determinación y la función GridSearch() de scikit-learn. Una vez hecha la evaluación de cada método se descubrirá que, a pesar de desarrollar y aplicar las técnicas propuestas de forma adecuada, los resultados para el caso estudiado no serán completamente satisfactorios. Debido a esto se propondrán futuros proyectos de mejoría al formulado por la presente memoria.