Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/44545
Tipo: | Dissertação |
Título: | Predição de seguro de automóveis no Brasil utilizando inteligência computacional |
Autor(es): | Leonardo Vieira da Costa |
Primeiro Orientador: | Cristiano Leite de Castro |
Primeiro membro da banca : | Luiz Carlos Bambirra Torres |
Segundo membro da banca: | Willian Soares Lacerda |
Resumo: | O uso da inteligência computacional está cada dia mais presente em diversas situações do nosso cotidiano, incluindo a área financeira, com o uso de classificadores e regressores. Uma ferramenta de classificação e regressão eficiente é a Máquina de Vetor de Suporte, projetada para obter uma boa capacidade de generalização. Este trabalho propõe a predição de seguro de automóveis no Brasil utilizando inteligência computacional. O método proposto faz a coleta de dados através de um aplicativo desenvolvido para celulares , ranqueia em termo de importância as características inseridas no aplicativo, seleciona o número ideal de características, calcula o valor esperado do seguro utilizando o SVM e, por último, calcula os quantis desejados utilizando bootstrap. Nos experimentos foi constatado que o método performou melhor com as métricas adotadas do que o regressor utilizado como benchmark. |
Abstract: | The use of computational intelligence is increasingly present in various situations in our daily lives, including financially with the use of classification and regression. An efficient classification and regression tool is a Support Vector Machine, designed to obtain good generalizability. This dissertation proposes the forecast of auto insurance in Brazil by using computational intelligence. The proposed method collects data through an application developed for smartphones, ranking the characteristics inserted in terms of importance, selecting the ideal number of characteristics, calculating the expected value of insurance using the SVM regression, and finally calculating the desired quantiles using the bootstrap technique. In the experiments, it was found that the method performs better wiht the adopted metrics, than when the regression used as a benchmark. |
Assunto: | Engenharia elétrica Inteligência computacional Predição (Lógica) Seguro de automóveis |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA |
Curso: | Programa de Pós-Graduação em Engenharia Elétrica |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/44545 |
Data do documento: | 7-Fev-2020 |
Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
1737M.pdf | 1.99 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.