Resumen de Classification of climate-related insurance claims using gradient boosting
George Tzougas, Viet Dang, Asif John, Stathis Kroustalis, Debashis Dey, Konstantin Kutzkov
- español
El objetivo de este trabajo es aplicar uno de los enfoques de aprendizaje supervisado más representativos, el método de conjunto basado en árboles de decisión denominado gradient boosting, para clasificar el número de siniestros causados por tormentas en Grecia utilizando datos de una importante compañía de seguros que opera en este país. Por último, se utiliza un algoritmo de aprendizaje automático para clasificar el número de siniestros que se han producido como consecuencia de un "evento de tormenta" en 3 categorías:
"ningún siniestro", "1 siniestro", "2 o más siniestros".
- English
The aim of this paper is to implement, one of the most representative supervised learning approaches, the decision tree based ensemble method called gradient boosting for classifying the number of claims caused by storms in Greece using data from a major insurance company operating in Greece.
Finally, a machine learning algorithm is used to for categorising the number of claims which have been occurred by a “storm event” into 3 categories: “no claims”, “1 claim”, “2 or more claims”.
