Sumario: Este trabajo se centra en la aplicación de procedimientos de Machine Learning a un conjunto de datos relacionado con los asegurados de un seguro de Salud. Se plantean dos objetivos: segmentación de los asegurados en función del comportamiento con respecto al uso del seguro de Salud y selección de un algoritmo que permita clasificar a estos en función de su rentabilidad. Como metodología se ha escogido la aplicación de técnicas de Aprendizaje Supervisado (J48 y Naïve Bayes) y No Supervisado (CLARA y K-means). Por un lado, los resultados de la segmentación de asegurados plantean la existencia de 5 grupos de comportamiento en función de la frecuencia de uso del seguro de Salud, aunque la distribución de asegurados en cada método varía significativamente.
Por otro lado, la implementación de las técnicas de Aprendizaje Supervisado señala al método J48 como el más eficaz para la clasificación al cometer menores errores de clasificación y, por tanto, generar un menor coste derivado de este errorMateria / lugar / evento: Seguro de salud Segmentación de clientes Machine learning Comportamiento del consumidor Métodos de análisis Árboles de decisión Otros autores: Martínez de Lejarza Esparducer, Ignacio
Universitat de València. Facultat d'Economia
Serie secundaria: Trabajos Fin de Master Otras clasificaciones: 343