Support vector machine aplicado à detecção de fraudes em seguros

Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, Departamento de Administração, 2018.O presente estudo realizou a predição para sinistros com fraudes mediante a aplicação do Support Vector Machine, um modelo de aprendizado de máquinas, com base em 36 variáveis explicativas. Para a previsão foram testados 4 kernels. Comparou-se as atuais predições com os trabalhos feitos atualmente, porém devido a carência de trabalhos envolvendo seguros residenciais e empresariais, foi feito um comparativo a partir dos modelos já existentes para o ramo dos automóveis. Os resultados mostraram que o modelo SVM obteve um desempenho satisfatório, chegando a uma acurácia média de 81%. Por fim discute-se como isso pode ser aplicado às seguradoras e como esse algoritmo pode trazer benefícios para o futuro.The present study made a prediction for claims with the use of a support vector machines, with a machine learning model, based on 36 explanatory variables. For the demonstration 4 kernels were tested. The current predictions were compared with the work done nowadays, but because of the lack of works in the property insurance, was done a comparison from the existing models for the automobile industry. The results showed that SVM obtained a satisfactory performance, reaching an accuracy of 81 %. Finale we discussed how could this alghorithm be apply to insurers and which benefits this algorithm could bring to the future