Análisis mediante técnicas de aprendizaje automático aplicado a datos de siniestros en una compañía de seguros

En la presente memoria se intentará predecir el tiempo que tardan los profesionales de una empresa de seguros en realizar sus trabajos a partir de métodos de machine learning. Para ello, primero se hará una introducción a lo que es el mundo del aprendizaje automático o machine learning explicando sus características, sus defectos, como solucionar estos defectos y como preparar una buena base de datos para el aprendizaje automático. Se utilizarán los métodos más usuales dando una breve explicación de cómo funcionan y sus características más importantes. Los métodos utilizados son: Regresión Linear, Regresión polinómica, Support Vector Regressor (SVR), K Nearest Neighbor (KNN), Árbol de decisión, Bosques aleatorios (Random Forest o RF), Gradient Boosting, todos ellos pertenecientes a la librería scikit-learn con su formato para regresión, es decir, para poder predecir un valor. La evaluación se realizará a partir del indicador mean absolute error o MAE, el coeficiente de determinación y la función GridSearch() de scikit-learn. Una vez hecha la evaluación de cada método se descubrirá que, a pesar de desarrollar y aplicar las técnicas propuestas de forma adecuada, los resultados para el caso estudiado no serán completamente satisfactorios. Debido a esto se propondrán futuros proyectos de mejoría al formulado por la presente memoria