Tipología de cliente según el uso de los seguros de salud
<?xml version="1.0" encoding="UTF-8"?><modsCollection xmlns="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-8.xsd">
<mods version="3.8">
<titleInfo>
<title>Tipología de cliente según el uso de los seguros de salud</title>
</titleInfo>
<name type="personal" usage="primary" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20190016506">
<namePart>Ferrer Lázaro, Daniel</namePart>
<nameIdentifier>MAPA20190016506</nameIdentifier>
</name>
<name type="personal" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20190016513">
<namePart>Martínez de Lejarza Esparducer, Ignacio </namePart>
<nameIdentifier>MAPA20190016513</nameIdentifier>
</name>
<name type="corporate" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20170016373">
<namePart>Universitat de València</namePart>
<namePart>Facultat d'Economia </namePart>
<nameIdentifier>MAPA20170016373</nameIdentifier>
</name>
<typeOfResource>text</typeOfResource>
<originInfo>
<place>
<placeTerm type="code" authority="marccountry">esp</placeTerm>
</place>
<issuance>monographic</issuance>
<place>
<placeTerm type="text">Valencia</placeTerm>
</place>
<publisher>Facultat d'Economia, Universitat de València</publisher>
<dateIssued>2019</dateIssued>
</originInfo>
<language>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</language>
<physicalDescription>
<form authority="marcform">print</form>
<internetMediaType>application/pdf</internetMediaType>
</physicalDescription>
<abstract displayLabel="Summary">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 error</abstract>
<note type="statement of responsibility">Daniel Ferrer Lázaro</note>
<note>Trabajo Fin de Master del Master en Ciencias Actuariales y Financieras de la Facultad de Economía de la Universidad de Valencia. Tutor: Ignacio Martínez de Lejarza Esparducer. Curso: 2018-2019
</note>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080573867">
<topic>Seguro de salud</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080615321">
<topic>Segmentación de clientes</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20170005476">
<topic>Machine learning</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080624019">
<topic>Comportamiento del consumidor</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080591960">
<topic>Métodos de análisis</topic>
</subject>
<subject xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20080589097">
<topic>Árboles de decisión</topic>
</subject>
<classification authority="">343</classification>
<relatedItem type="series" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="MAPA20160014013">
<titleInfo>
<title>Trabajos Fin de Master</title>
</titleInfo>
</relatedItem>
<recordInfo>
<recordContentSource authority="marcorg">MAP</recordContentSource>
<recordCreationDate encoding="marc">181022</recordCreationDate>
<recordChangeDate encoding="iso8601">20220911191206.0</recordChangeDate>
<recordIdentifier source="MAP">MAP20190033411</recordIdentifier>
<languageOfCataloging>
<languageTerm type="code" authority="iso639-2b">spa</languageTerm>
</languageOfCataloging>
</recordInfo>
</mods>
</modsCollection>