Sporathe knowledge network
ES
Pontificia Universidad Javeriana

Ciencia de Datos

Cuatro modelos de aprendizaje supervisado para la detección de fraudes en el ramo de los seguros de automóviles

Este trabajo de grado presenta un enfoque comparativo para la detección de fraude en seguros de automóviles, a través de un conjunto de datos real con 15 420 observaciones y 33 variables. De este modo, se evalúan modelos base de clasificación, junto con algoritmos avanzados basados en árboles de decisión, con el objetivo de analizar su desempeño en un contexto de datos altamente desbalanceados. Así, se prioriza la capacidad de detección de la clase minoritaria mediante el uso del F2-score como métrica principal. Los resultados evidencian una clara superioridad de los modelos basados en técnicas de boosting frente a los modelos tradicionales. En particular, el modelo XGBoost obtiene el mejor desempeño global, al alcanzar un F-score de 0.48, con un recall de 68.95 % y una precisión de 21.95 %, lo que se consolida como el modelo más efectivo para la detección de fraude. En segundo lugar, LightGBM presenta un F2 score de 0.453, un recall de 76.17 % y una precisión de 17.28 %, lo que muestra un alto potencial predictivo. Por su parte, Random Forest brinda un equilibrio competitivo entre sensibilidad y precisión, lo cual confirma su utilidad como modelo robusto de referencia. A nivel descriptivo, el análisis exploratorio evidencia que las reclamaciones fraudulentas se concentran en áreas urbanas, en conductores jóvenes (menores de 25 años), principalmente hombres, y en pólizas con cobertura All Perils o Collision. Asimismo, se determina una mayor incidencia de fraude entre los titulares de póliza frente a los terceros involucrados.

Full text 72 pages with text

Read the full thesis Record in the repository

Keywords