Publicação
Desenvolvimento de um modelo preditivo para subscrição de seguros
| Resumo: | Com a transição para uma força de trabalho mais jovem, habituada a transações online e processos rápidos, surge a necessidade de renovar os processos de análise de subscrição de seguros. Graças aos métodos de Machine Learning e à constante evolução da capacidade de processamento dos computadores, é possível agilizar este processo, satisfazendo assim as necessidades do mercado. Este projeto tem como objetivo o desenvolvimento de um modelo preditivo que auxilie na análise da subscrição de um seguro, mais concretamente, de seguros de acidentes de trabalho. Para isso são aplicados métodos de Machine Learning, que com base nos dados fornecidos irão aprovar ou recusar o pedido de subscrição. Os métodos utilizados incluem a regressão logística e as árvores de decisão, além disso, são aplicadas técnicas de Ensemble, como o Bagging e o Boosting, com o propósito de melhorar a precisão dos modelos de árvore de decisão. Neste projeto, foram utilizadas quatro bases de dados fornecidas pelo Grupo Ageas: a primeira é composta pelos pedidos de subscrição de seguros referentes aos meses de novembro e dezembro de 2023, a segunda corresponde aos meses de janeiro e fevereiro de 2024, e as últimas duas correspondem às taxas praticadas pela Ageas Seguros e pela concorrência. Para o tratamento das bases de dados, foram utilizados o Excel e o R, sendo que foi neste último que o restante do trabalho foi desenvolvido. Os resultados obtidos nesta dissertação demonstram quais as variáveis com maior influência na aceitação de uma subscrição e estabelecem uma base para trabalhos futuros. |
|---|---|
| Autores principais: | Peixoto, Gonçalo Costa |
| Assunto: | Machine Learning Regressão Logística Árvores de Decisão Bagging Random Forest Boosting Logistic Regression Decision Trees |
| Ano: | 2024 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Com a transição para uma força de trabalho mais jovem, habituada a transações online e processos rápidos, surge a necessidade de renovar os processos de análise de subscrição de seguros. Graças aos métodos de Machine Learning e à constante evolução da capacidade de processamento dos computadores, é possível agilizar este processo, satisfazendo assim as necessidades do mercado. Este projeto tem como objetivo o desenvolvimento de um modelo preditivo que auxilie na análise da subscrição de um seguro, mais concretamente, de seguros de acidentes de trabalho. Para isso são aplicados métodos de Machine Learning, que com base nos dados fornecidos irão aprovar ou recusar o pedido de subscrição. Os métodos utilizados incluem a regressão logística e as árvores de decisão, além disso, são aplicadas técnicas de Ensemble, como o Bagging e o Boosting, com o propósito de melhorar a precisão dos modelos de árvore de decisão. Neste projeto, foram utilizadas quatro bases de dados fornecidas pelo Grupo Ageas: a primeira é composta pelos pedidos de subscrição de seguros referentes aos meses de novembro e dezembro de 2023, a segunda corresponde aos meses de janeiro e fevereiro de 2024, e as últimas duas correspondem às taxas praticadas pela Ageas Seguros e pela concorrência. Para o tratamento das bases de dados, foram utilizados o Excel e o R, sendo que foi neste último que o restante do trabalho foi desenvolvido. Os resultados obtidos nesta dissertação demonstram quais as variáveis com maior influência na aceitação de uma subscrição e estabelecem uma base para trabalhos futuros. |
|---|