Arboles de decisiones (Modelo clasificación de accidente)

Con el objetivo de mejorar la comprensión de Seguros Bolívar sobre los accidentes laborales vinculados a incidentes de tráfico y así establecer medidas de recuperación de cartera para las prestaciones autorizadas por la ARL, hemos desarrollado y validado modelos predictivos. Estos modelos se fundame...

Full description

Autores:
Peñuela Cardenas, Sergio
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/92063
Acceso en línea:
http://hdl.handle.net/11349/92063
Palabra clave:
Arboles de decisiones
Modelo
Clasificación
Análisis de datos
Matemáticas -- Tesis y disertaciones académicas
Análisis de datos
Árboles de decisión
Matemáticas -- Módelo predictivo
Decision trees
Model
Classification
Data analysis
Rights
License
Abierto (Texto Completo)
id UDISTRITA2_84c9822f570f535f0686bece8d9c0834
oai_identifier_str oai:repository.udistrital.edu.co:11349/92063
network_acronym_str UDISTRITA2
network_name_str RIUD: repositorio U. Distrital
repository_id_str
dc.title.none.fl_str_mv Arboles de decisiones (Modelo clasificación de accidente)
dc.title.titleenglish.none.fl_str_mv Decision trees (Model accident classification)
title Arboles de decisiones (Modelo clasificación de accidente)
spellingShingle Arboles de decisiones (Modelo clasificación de accidente)
Arboles de decisiones
Modelo
Clasificación
Análisis de datos
Matemáticas -- Tesis y disertaciones académicas
Análisis de datos
Árboles de decisión
Matemáticas -- Módelo predictivo
Decision trees
Model
Classification
Data analysis
title_short Arboles de decisiones (Modelo clasificación de accidente)
title_full Arboles de decisiones (Modelo clasificación de accidente)
title_fullStr Arboles de decisiones (Modelo clasificación de accidente)
title_full_unstemmed Arboles de decisiones (Modelo clasificación de accidente)
title_sort Arboles de decisiones (Modelo clasificación de accidente)
dc.creator.fl_str_mv Peñuela Cardenas, Sergio
dc.contributor.advisor.none.fl_str_mv Villarraga Poveda, Luis Fernando
dc.contributor.author.none.fl_str_mv Peñuela Cardenas, Sergio
dc.subject.none.fl_str_mv Arboles de decisiones
Modelo
Clasificación
Análisis de datos
topic Arboles de decisiones
Modelo
Clasificación
Análisis de datos
Matemáticas -- Tesis y disertaciones académicas
Análisis de datos
Árboles de decisión
Matemáticas -- Módelo predictivo
Decision trees
Model
Classification
Data analysis
dc.subject.lemb.none.fl_str_mv Matemáticas -- Tesis y disertaciones académicas
Análisis de datos
Árboles de decisión
Matemáticas -- Módelo predictivo
dc.subject.keyword.none.fl_str_mv Decision trees
Model
Classification
Data analysis
description Con el objetivo de mejorar la comprensión de Seguros Bolívar sobre los accidentes laborales vinculados a incidentes de tráfico y así establecer medidas de recuperación de cartera para las prestaciones autorizadas por la ARL, hemos desarrollado y validado modelos predictivos. Estos modelos se fundamentan en la información obtenida de una muestra representativa de siniestros. Mediante el análisis de los datos correspondientes al año 2023, que incluyen el número de accidentes clasificados como incidentes laborales relacionados con el tráfico, nuestro proyecto busca proporcionar a Seguros Bolívar información crucial para identificar y categorizar de manera eficaz los accidentes reportados en la ARL. Esto permitirá a la empresa tomar decisiones informadas y proactivas en la gestión de recursos.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-12-17T21:21:21Z
dc.date.available.none.fl_str_mv 2024-12-17T21:21:21Z
dc.date.created.none.fl_str_mv 2024-06-12
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.degree.none.fl_str_mv Pasantía
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11349/92063
url http://hdl.handle.net/11349/92063
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv Alaminos, A. (2022). Árboles de decisión en r con random forest, Universidad de Ali- cante. Obets Ciencia Abierta. Alicante:Limencop
Amat, J. (2020). Árboles de decisión, random forest, gradient boosting y C5.0. https:// cienciadedatos.net/documentos/33_arboles_de_prediccion_bagging_random_forest_ boosting#Entrenamiento_del_%C3%A1rbol
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques 3rd ed. Mor gan Kaufmann. https://myweb.sabanciuniv.edu/rdehkharghani/files/2016/02/ The-Morgan-Kaufmann-Series-in-Data-Management-Systems-Jiawei-Han-Micheline-Kamber-Jian-Pei-Data-Mining.-Concepts-and-Techniques-3rd-Edition-Morgan-Kaufmann-2011
T. DANIYA, M. GEETHA, Y K. SURESH KUMAR (2020). CLASSIFICATION AND REGRESSION TREES WITH GINI INDEX https://www.researchgate.net/profile/ Suresh-Kumar-K-Dr/publication/344385674_Classification_and_regression_trees_ with_gini_index/links/5f780b4d92851c14bca9e8a5/Classification-and-regression-trees-with-gini-index. pdf
Pavel Golik, Patrick Doetsch, Hermann Ney (2013) Cross-Entropy vs. Squared Error Trai ning:a Theoretical and Experimental Comparison.
Rodolfo Mosquera, Omar D. Castrillón, Liliana Parra (2018). Máquinas de Soporte Vecto rial, Clasificador Naïve Bayes y Algoritmos Genéticos para la Predicción de Riesgos Psicoso ciales en Docentes de Colegios Públicos Colombianos. https://www.scielo.cl/scielo. php?pid=S0718-07642018000600153&script=sci_arttext
FRANCISCOJAVIER ARIZA-LÓPEZ, JOSÉ RODRÍGUEZ-AVI, VIRTUDESALBA-FERNÁNDEZ (2018). CONTROL ESTRICTO DE MATRICES DE CONFUSIÓN POR MEDIO DE DISTRI BUCIONES MULTINOMIALES(Revista Internacional de Ciencias y Tecnología de la Infor mación Geográfica)
Cristina Ortega (2024)Árbol de decisión: Qué es, tipos, ventajas y ejemplo https: //www.questionpro.com/blog/es/arbol-de-decision/
Atif, M. (2019) BigML: The Machine Learning Platform. Journal of Data Science.
Luis H. Vidal V.(2023) I.A. Universidad Austral de Chile. https://es.slideshare. net/slideshow/arbol-de-decisinpdf/255353170
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv Abierto (Texto Completo)
rights_invalid_str_mv Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv pdf
institution Universidad Distrital Francisco José de Caldas
bitstream.url.fl_str_mv https://repository.udistrital.edu.co/bitstreams/4892da33-e444-4da4-83f5-f755a5388b9a/download
https://repository.udistrital.edu.co/bitstreams/7218ff6f-3c51-47c6-8bab-b0c666fa6217/download
https://repository.udistrital.edu.co/bitstreams/655cedad-f12e-4f47-9aec-9eb618af256a/download
https://repository.udistrital.edu.co/bitstreams/e887d0fc-cc9a-4038-bbc0-588214cccb85/download
https://repository.udistrital.edu.co/bitstreams/678ba0f1-2a52-4aa9-be1a-3fc49bbd7f90/download
bitstream.checksum.fl_str_mv 997daf6c648c962d566d7b082dac908d
3a415296d426c7d1a9b2ee9158529f4f
d0c33bf849ab6ffcb8b3b2cb45d6e75c
ac685d84eb8a56012c2e82c3227cd3ff
e1ec2bf6d5c566fe0d562a63b36c977d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Distrital
repository.mail.fl_str_mv repositorio@udistrital.edu.co
_version_ 1837007015270940672
spelling Villarraga Poveda, Luis FernandoPeñuela Cardenas, Sergio2024-12-17T21:21:21Z2024-12-17T21:21:21Z2024-06-12http://hdl.handle.net/11349/92063Con el objetivo de mejorar la comprensión de Seguros Bolívar sobre los accidentes laborales vinculados a incidentes de tráfico y así establecer medidas de recuperación de cartera para las prestaciones autorizadas por la ARL, hemos desarrollado y validado modelos predictivos. Estos modelos se fundamentan en la información obtenida de una muestra representativa de siniestros. Mediante el análisis de los datos correspondientes al año 2023, que incluyen el número de accidentes clasificados como incidentes laborales relacionados con el tráfico, nuestro proyecto busca proporcionar a Seguros Bolívar información crucial para identificar y categorizar de manera eficaz los accidentes reportados en la ARL. Esto permitirá a la empresa tomar decisiones informadas y proactivas en la gestión de recursos.With the aim of improving Seguros Bolívar's understanding of work-related accidents linked to traffic incidents and thus establishing recovery measures for the claims authorized by the ARL, we have developed and validated predictive models. These models are based on information obtained from a representative sample of claims. Through the analysis of data from 2023, which includes the number of accidents classified as work-related traffic incidents, our project seeks to provide Seguros Bolívar with crucial information to effectively identify and categorize accidents reported to the ARL. This will enable the company to make informed and proactive decisions.Compañía de Seguros Bolívar S.ApdfspaArboles de decisionesModeloClasificaciónAnálisis de datosMatemáticas -- Tesis y disertaciones académicasAnálisis de datosÁrboles de decisiónMatemáticas -- Módelo predictivoDecision treesModelClassificationData analysisArboles de decisiones (Modelo clasificación de accidente)Decision trees (Model accident classification)bachelorThesisPasantíainfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fAbierto (Texto Completo)http://purl.org/coar/access_right/c_abf2Alaminos, A. (2022). Árboles de decisión en r con random forest, Universidad de Ali- cante. Obets Ciencia Abierta. Alicante:LimencopAmat, J. (2020). Árboles de decisión, random forest, gradient boosting y C5.0. https:// cienciadedatos.net/documentos/33_arboles_de_prediccion_bagging_random_forest_ boosting#Entrenamiento_del_%C3%A1rbolHan, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques 3rd ed. Mor gan Kaufmann. https://myweb.sabanciuniv.edu/rdehkharghani/files/2016/02/ The-Morgan-Kaufmann-Series-in-Data-Management-Systems-Jiawei-Han-Micheline-Kamber-Jian-Pei-Data-Mining.-Concepts-and-Techniques-3rd-Edition-Morgan-Kaufmann-2011T. DANIYA, M. GEETHA, Y K. SURESH KUMAR (2020). CLASSIFICATION AND REGRESSION TREES WITH GINI INDEX https://www.researchgate.net/profile/ Suresh-Kumar-K-Dr/publication/344385674_Classification_and_regression_trees_ with_gini_index/links/5f780b4d92851c14bca9e8a5/Classification-and-regression-trees-with-gini-index. pdfPavel Golik, Patrick Doetsch, Hermann Ney (2013) Cross-Entropy vs. Squared Error Trai ning:a Theoretical and Experimental Comparison.Rodolfo Mosquera, Omar D. Castrillón, Liliana Parra (2018). Máquinas de Soporte Vecto rial, Clasificador Naïve Bayes y Algoritmos Genéticos para la Predicción de Riesgos Psicoso ciales en Docentes de Colegios Públicos Colombianos. https://www.scielo.cl/scielo. php?pid=S0718-07642018000600153&script=sci_arttextFRANCISCOJAVIER ARIZA-LÓPEZ, JOSÉ RODRÍGUEZ-AVI, VIRTUDESALBA-FERNÁNDEZ (2018). CONTROL ESTRICTO DE MATRICES DE CONFUSIÓN POR MEDIO DE DISTRI BUCIONES MULTINOMIALES(Revista Internacional de Ciencias y Tecnología de la Infor mación Geográfica)Cristina Ortega (2024)Árbol de decisión: Qué es, tipos, ventajas y ejemplo https: //www.questionpro.com/blog/es/arbol-de-decision/Atif, M. (2019) BigML: The Machine Learning Platform. Journal of Data Science.Luis H. Vidal V.(2023) I.A. Universidad Austral de Chile. https://es.slideshare. net/slideshow/arbol-de-decisinpdf/255353170LICENSElicense.txtlicense.txttext/plain; charset=utf-87167https://repository.udistrital.edu.co/bitstreams/4892da33-e444-4da4-83f5-f755a5388b9a/download997daf6c648c962d566d7b082dac908dMD51ORIGINALPeñuelaCardenasSergio2024.pdfPeñuelaCardenasSergio2024.pdfapplication/pdf1987470https://repository.udistrital.edu.co/bitstreams/7218ff6f-3c51-47c6-8bab-b0c666fa6217/download3a415296d426c7d1a9b2ee9158529f4fMD52Licencia de uso y publicacion.pdfLicencia de uso y publicacion.pdfapplication/pdf608209https://repository.udistrital.edu.co/bitstreams/655cedad-f12e-4f47-9aec-9eb618af256a/downloadd0c33bf849ab6ffcb8b3b2cb45d6e75cMD53THUMBNAILPeñuelaCardenasSergio2024.pdf.jpgPeñuelaCardenasSergio2024.pdf.jpgIM Thumbnailimage/jpeg5864https://repository.udistrital.edu.co/bitstreams/e887d0fc-cc9a-4038-bbc0-588214cccb85/downloadac685d84eb8a56012c2e82c3227cd3ffMD54Licencia de uso y publicacion.pdf.jpgLicencia de uso y publicacion.pdf.jpgIM Thumbnailimage/jpeg12128https://repository.udistrital.edu.co/bitstreams/678ba0f1-2a52-4aa9-be1a-3fc49bbd7f90/downloade1ec2bf6d5c566fe0d562a63b36c977dMD5511349/92063oai:repository.udistrital.edu.co:11349/920632025-02-09 01:13:27.004open.accesshttps://repository.udistrital.edu.coRepositorio Universidad Distritalrepositorio@udistrital.edu.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

Publicaciones similares