Aviso de cookies

Neste site utilizamos cookies analíticos. Os cookies analíticos são utilizados para compreender como os visitantes interagem com o site. Eles ajudam a fornecer informações sobre métricas como número de visitantes, taxa de rejeição, origem do tráfego, etc.

  • Portal do Governo Brasileiro
    • português (Brasil)
    • English
    • español
  • English 
    • Português (Brasil)
    • English
    • Español
  • Login
          AJUDA
Pesquisa
avançada
     
View Item 
  •   RIUFF
  • Produção Científica
  • Escola de Engenharia de Petrópolis - PEP
  • PCE - Curso de Graduação em Engenharia de Produção - Petrópolis
  • PCE - Trabalhos de Conclusão de Curso - Petrópolis
  • View Item
  •   RIUFF
  • Produção Científica
  • Escola de Engenharia de Petrópolis - PEP
  • PCE - Curso de Graduação em Engenharia de Produção - Petrópolis
  • PCE - Trabalhos de Conclusão de Curso - Petrópolis
  • View Item
JavaScript está desabilitado no seu navegador. Algumas funcionalidades deste site podem não funcionar.

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsAdvisorsTitlesSubjectsDepartmentProgramTypeType of AccessThis CollectionBy Issue DateAuthorsAdvisorsTitlesSubjectsDepartmentProgramTypeType of Access

Statistics

View Usage Statistics
application/pdf

View/Open
PFC 2 - Carolyna Marques de Ol... (1.536Mb)

Collections
  • PCE - Trabalhos de Conclusão de Curso - Petrópolis

Statistics
Metadata
Show full item record
UMA ANÁLISE EXPLORATÓRIA DE DADOS E A CONSTRUÇÃO DE MODELOS PREDITIVOS DE MACHINE LEARNING NO CÁLCULO DE RISCO DE SUBSCRIÇÃO DE UMA SEGURADORA
Oliveira, Carolyna Marques de
Abstract
A globalização trouxe consigo o constante crescimento do cenário competitivo, fazendo com que as empresas precisassem buscar pela incessante inovação e por oportunidade de melhores resultados. O avanço da tecnologia está revolucionando a forma de lidar com a comunicação e o armazenamento de dados, trazendo a possibilidade de medir e quantificar ações, tomada de decisões e resultados empresariais. Neste sentido, o presente trabalho teve como objetivo identificar as variáveis que podem influenciar no cálculo de risco de sinistro em uma grande empresa de seguro de vida e previdência nacional. A partir dos dados obtidos dos segurados, foi realizado um estudo embasado na ciência de dados para identificar a probabilidade de resultados futuros de possíveis sinistros, utilizando para isso, dados históricos da empresa para estudar através da análise exploratória de dados (AED), as relações entre os dados levantados e a ocorrência de sinistro. Em um segundo momento, foram construídos modelos de classificação utilizando algoritmos de aprendizagem de máquina, para prever a ocorrência de sinistro para o produto Diária de Incapacidade Temporária. O trabalho aborda conceitos de aprendizagem de máquina, dando ênfase no estudo dos modelos de classificação, incluindo o entendimento dos métodos de classificação bayesiana, árvore de decisão, redes neurais, Support Vector Machines, K-Nearest Neighbours e Random Forest. A construção dos modelos preditivos de aprendizagem de máquina no conjunto de dados obteve um melhor resultado para o método de Redes Neurais Artificias com uma acurácia de 67,3% e precisão de 67,7% para a possibilidade de ocorrer sinistro. Vale ainda ressaltar que, todos os classificadores utilizados obtiveram acurácia maior que 64%, com exceção apenas do Support Vector Machines, que obteve acurácia de 54%. Embora as métricas citadas não tenham apontado um percentual mais expressivo, como esperávamos inicialmente, a análise exploratória realizada e os resultados preliminares poderão ser de grande utilidade para trabalhos de extensão sob o mesmo tema no futuro
[Texto sem Formatação]
Document type
Trabalho de conclusão de curso
Source
OLIVEIRA, Carolyna Marques de. Uma análise exploratória de dados e a construção de modelos preditivos de machine learning no cálculo de risco de subscrição de uma seguradora. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção) - Escola de Engenharia de Petrópolis, Universidade Federal Fluminense, Petrópolis, 2022.
Subject(s)
Seguro de vida
Cálculo de risco
Sinistro
Ciência de dados
Análise exploratória de dados
Aprendizagem de máquina
Redes neurais artificiais
Processamento de dados
Aprendizagem de máquina
Seguro
Life insurance
Risk calculation
Insurance claims
Data science
Exploratory data analysis
Machine learning
Artificial neural networks
 
URI
http://app.uff.br/riuff/handle/1/28330
License Term
CC-BY-SA
DSpace
DSpace
DSpace
DSpace
DSpace
DSpace

  Contact Us

 Fale com um bibliotecário

DSpace  Siga-nos no Instagram