000			02244nmm a2200241 a 4500
008			151109e2023 ck ||||fq||d| 00| 0 spa d
082	4	0	_a006.3 _bV722d _223
100	1		_aVillarraga Palomino, Jesus Antonio. _98713
245	0	0	_aDetección de fraudes contra el seguro obligatorio SOAT por medio de modelos en Machine Learning / _cJesus Antonio Villarraga Palomino.
260	3		_aBogotá : _bEscuela Colombiana de Ingeniería, _c2023.
300			_a78 paginas. _bilustraciones.. ;
502			_a(Magister en Ciencia de Datos)
520			_aEl proyecto se centró en abordar el desafío de detectar fraudes en el seguro obligatorio de accidentes de tránsito (SOAT) mediante el uso de técnicas de aprendizaje supervisado. La variable de respuesta la cual tomaba valores de fraude o no fraude presentaba un desequilibrio significativo, por lo cual se plantearon soluciones como ajuste de pesos y técnicas de remuetreo. Se implementaron tres modelos de aprendizaje supervisado: bosque aleatorio, regresión logística y XGBoost. La evaluación de los modelos se basó en diversas métricas, como precisión, recall, puntaje F1 y la matriz de confusión. Estas métricas proporcionaron información valiosa sobre la capacidad de los modelos para identificar correctamente los casos de fraude. Además, se utilizó la curva ROC para visualizar el rendimiento de los modelos y encontrar el equilibrio óptimo entre la tasa de verdaderos positivos y la tasa de falsos positivos. Por último, se planteó un tablero de control en Power BI, con el objetivo de brindar un panorama completa de los siniestros vehiculares, permitiéndonos identificar patrones, tendencias y posibles casos de fraude, así como monitorear el rendimiento del modelo por medio de la matriz de confusión.
650		0	_a APRENDIZAJE SUPERVISADO (APRENDIZAJE AUTOMÁTICO) _92066
650		0	_aFRAUDE _915507
650		0	_aSEGURO OBLIGATORIO DE ACCIDENTES DE TRÁNSITO (SOAT), _9275
650		0	_aMÉTRICOS DE MEDICIÓN _966925
700			_aJulio Niño, Andrés Felipe _edirector. _966929
700			_aGarzón Alfonso, Wilmer Edicson _eco director. _922265
856			_uhttp://repositorio.escuelaing.edu.co/handle/001/2721
942			_2ddc _cTE
999			_c23601 _d23601