Tipología de cliente según el uso de los seguros de salud

<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
  <record>
    <leader>00000cam a22000004b 4500</leader>
    <controlfield tag="001">MAP20190033411</controlfield>
    <controlfield tag="003">MAP</controlfield>
    <controlfield tag="005">20220911191206.0</controlfield>
    <controlfield tag="008">181022s20190000esp||||       ||| ||spa d</controlfield>
    <datafield tag="040" ind1=" " ind2=" ">
      <subfield code="a">MAP</subfield>
      <subfield code="b">spa</subfield>
      <subfield code="d">MAP</subfield>
    </datafield>
    <datafield tag="084" ind1=" " ind2=" ">
      <subfield code="a">343</subfield>
    </datafield>
    <datafield tag="100" ind1="1" ind2=" ">
      <subfield code="0">MAPA20190016506</subfield>
      <subfield code="a">Ferrer Lázaro, Daniel</subfield>
    </datafield>
    <datafield tag="245" ind1="1" ind2="0">
      <subfield code="a">Tipología de cliente según el uso de los seguros de salud</subfield>
      <subfield code="c">Daniel Ferrer Lázaro</subfield>
    </datafield>
    <datafield tag="260" ind1=" " ind2=" ">
      <subfield code="a">Valencia</subfield>
      <subfield code="b">Facultat d'Economia, Universitat de València</subfield>
      <subfield code="c">2019</subfield>
    </datafield>
    <datafield tag="500" ind1=" " ind2=" ">
      <subfield code="a">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
</subfield>
    </datafield>
    <datafield tag="520" ind1=" " ind2=" ">
      <subfield code="a">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</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080573867</subfield>
      <subfield code="a">Seguro de salud</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080615321</subfield>
      <subfield code="a">Segmentación de clientes</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20170005476</subfield>
      <subfield code="a">Machine learning</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080624019</subfield>
      <subfield code="a">Comportamiento del consumidor</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080591960</subfield>
      <subfield code="a">Métodos de análisis</subfield>
    </datafield>
    <datafield tag="650" ind1=" " ind2="4">
      <subfield code="0">MAPA20080589097</subfield>
      <subfield code="a">Árboles de decisión</subfield>
    </datafield>
    <datafield tag="700" ind1="1" ind2=" ">
      <subfield code="0">MAPA20190016513</subfield>
      <subfield code="a">Martínez de Lejarza Esparducer, Ignacio </subfield>
    </datafield>
    <datafield tag="710" ind1="2" ind2=" ">
      <subfield code="0">MAPA20170016373</subfield>
      <subfield code="a">Universitat de València</subfield>
      <subfield code="b">Facultat d'Economia </subfield>
    </datafield>
    <datafield tag="830" ind1=" " ind2="0">
      <subfield code="0">MAPA20160014013</subfield>
      <subfield code="a">Trabajos Fin de Master</subfield>
    </datafield>
    <datafield tag="856" ind1=" " ind2=" ">
      <subfield code="q">application/pdf</subfield>
      <subfield code="w">1104112</subfield>
      <subfield code="y">Recurso electrónico / Electronic resource</subfield>
    </datafield>
  </record>
</collection>