Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/123456789/56371
Title: | Predicción de uso de servicios de salud en empresas aseguradoras, mediante KDD y Aprendizaje Automático |
Authors: | González Eras, Alexandra Cristina Ortiz Orbes, Evelyn Alicia |
Keywords: | Ecuador. Tesis digital. |
Issue Date: | 2024 |
Citation: | Ortiz Orbes, E. A. González Eras, A. C. (2024) Predicción de uso de servicios de salud en empresas aseguradoras, mediante KDD y Aprendizaje Automático [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/56371 |
Abstract: | Abstract: In this work, a predictive model was developed with the aim of anticipating the use of medical services in insurance companies, using machine learning techniques. The data analysis was structured following the KDD methodology, which organizes the process in clear stages. The "Health Insurance" dataset served as a basis for training the models, and they were evaluated using key metrics, which guaranteed the accuracy and reliability of the predictions. A predictive model was developed along with the creation of an interactive dashboard using the Plotly Dash library, which allows a clear and detailed visualization of the results obtained, highlighting that this dashboard offers users the possibility of comparing the predictions of the model with the real values ​​and segmenting the results according to key variables, such as the sex and tobacco consumption of the insured. The tool not only facilitates the interpretation of the results, but also allows interactive exploration of different factors that influence the use of medical services. Together, the predictive model and the dashboard provide a solution for insurance companies to improve the management of their resources. The implementation of these tools allows them to anticipate the demand for medical services with greater precision, which optimizes the planning and allocation of resources, and improves operational efficiency within the insurance sector. |
Description: | Resumen:En este trabajo se desarrolló un modelo predictivo con el objetivo de anticipar el uso de servicios médicos en empresas aseguradoras, empleando técnicas de aprendizaje automático. El análisis de datos se estructuró siguiendo la metodología KDD, que organiza el proceso en etapas claras. El dataset "Health Insurance" sirvió como base para entrenar los modelos, y se evaluaron utilizando métricas claves lo que garantizó la precisión y confiabilidad de las predicciones. Se desarrolló un modelo predictivo junto con la creación de un dashboard interactivo utilizando la biblioteca Plotly Dash, lo que permite visualizar de forma clara y detallada los resultados obtenidos en el que se resalta que este dashboard ofrece a los usuarios la posibilidad de comparar las predicciones del modelo con los valores reales y segmentar los resultados según variables clave, como el sexo y el consumo de tabaco de los asegurados. La herramienta no solo facilita la interpretación de los resultados, sino que también permite explorar de manera interactiva diferentes factores que influyen en el uso de servicios médicos. En conjunto, el modelo predictivo y el dashboard proporcionan una solución para que las empresas aseguradoras puedan mejorar la gestión de sus recursos. La implementación de estas herramientas permite anticipar la demanda de servicios médicos con mayor precisión, lo que optimiza la planificación y asignación de recursos, y mejora la eficiencia operativa dentro del sector asegurador. |
URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=143178.TITN. |
Appears in Collections: | Titulación de Economía |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.