Algoritmos de machine learning para la detección del fraude en el seguro de automóviles
Objetos digitales
| Tag | 1 | 2 | Valor |
|---|---|---|---|
| LDR | 00000cab a2200000 4500 | ||
| 001 | MAP20210000744 | ||
| 003 | MAP | ||
| 005 | 20220911190324.0 | ||
| 008 | 210112e20201201esp|||p |0|||b|spa d | ||
| 040 | $aMAP$bspa$dMAP | ||
| 084 | $a322 | ||
| 100 | $0MAPA20210000317$aBadal Valero, Elena | ||
| 245 | 1 | 0 | $aAlgoritmos de machine learning para la detección del fraude en el seguro de automóviles$cElena Badal Valero, Andrés Sanjuán Díaz, Jorge Segura Gisbert |
| 520 | $aEl fraude en el seguro de automóvil ha aumentado considerablemente en los últimos años, indudablemente impulsado por la crisis económica. Este incremento significativo del número de reclamaciones fraudulentas, así como los nuevos requerimientos asociados con Solvencia II, conducen a un mayor control y asignación de recursos contra el fraude por parte de las aseguradoras. Por estas razones, la importancia del uso de avanzadas técnicas de predicción para la detección de accidentes sospechosos está más que justificada. En este artículo, se presentan diversas metodologías de base estadística y algoritmos de aprendizaje automático que permiten el análisis y la detección de tales afirmaciones. | ||
| 650 | 4 | $0MAPA20080553128$aAlgoritmos | |
| 650 | 4 | $0MAPA20170005476$aMachine learning | |
| 650 | 4 | $0MAPA20080591052$aFraude en el seguro | |
| 650 | 4 | $0MAPA20080603779$aSeguro de automóviles | |
| 650 | 4 | $0MAPA20080567118$aReclamaciones | |
| 650 | $0MAPA20080541064$aFraude | ||
| 700 | 1 | $0MAPA20210000379$aSanjuán Díaz, Andrés | |
| 700 | 1 | $0MAPA20210000386$aSegura Gisbert, Jorge | |
| 773 | 0 | $wMAP20070000012$tAnales del Instituto de Actuarios Españoles : Colegio Profesional$dMadrid : Instituto de Actuarios Españoles, 1943-$g01/12/2020 Número 26 4ª época - 2020 , p. 23-46 | |
| 856 | $qapplication/pdf$w1109292$yRecurso electrónico / Electronic resource |