Redes neuronales para clasificación : una aplicación al caso de riesgos laborales en Colombia

El presente artículo describe el diseño, la formalización matemática, programación y la aplicación de una red neuronal “percepton multicapa” en un problema economía de la información. El modelo permitió clasificar correctamente el 85% de las empresas de una muestra aleatoria de asegurados a riesgos laborales en Colombia, identificándolas como fraudulentas o no fraudulentas a partir de sus variables explicativas. Este estudio cuenta con dos factores diferenciales frente a los realizados en el pasado. En primer lugar, se aplicó una red neuronal típicamente usada para modelar pronósticos de series de temporales a un problema de clasificación de individuos, siguiendo el método propuesto por Hongjun Lu, Rudy Setiono y Huan Liu en “Neuro Rule: A Connectionist Approach to Data Mining” artículo que introduce un algoritmo para generar reglas de fácil interpretación para la clasificación de individuos. En segundo lugar, la aplicación de esta técnica de minería de datos es novedosa en la detección de empresas fraudulentas afiliadas al seguro de riesgos laborales y en general en el campo de investigación económica en Colombia.

• Tipo de recurso: masterThesis
• Fecha de publicación: 2017
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/37845
• Acceso en línea: http://hdl.handle.net/10554/37845; https://doi.org/10.11144/Javeriana.10554.37845
• Palabra clave: Redes neuronales artificiales; Perceptrón multicapa; Fraude en seguros; Riesgo laboral; Artificial neural networks; Multilayer perceptron; Insurance fraud; Employee risk; Maestría en economía - Tesis y disertaciones académicas; Redes neurales (Computadores); Riesgos laborales - Colombia; Fraude
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional