Fabian Arteaga, Junior JohnAsencio Diaz, Luz de los Angeles ManuelaChiang Cornejo, Ricardo HernanCrisóstomo Fernández, Fernanda LucíaHernández Quiroz, Gisela VanesaLajo Aurazo, Almendra Sofia2022-02-172022-02-172021https://hdl.handle.net/20.500.12640/2933Machine Learning y los modelos matemáticos en los que se basa para poder identificar patrones y dar una estimación basada en data histórica son usados cada vez más en diferentes industrias para procesar información que antes se consideraba masiva y por ende difícil de relacionar de manera certera por métodos tradicionales. Con la inclusión de las técnicas de como regresión logística y K-NN, hoy en día es posible formular y proponer un modelo de predicción de aprendizaje supervisado que se ajuste a los requerimientos de clasificación de una empresa. Esta investigación propone la aplicación de las mencionadas técnicas para la elaboración de modelos predictivos de clasificación de tipos de asegurados para una determinada empresa en la industria aseguradora de vehículos automóviles; usando como base de datos los registros históricos recopilados del año 2019.application/pdfspainfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 2.5 PerúInteligencia artificialAlgoritmosAnálisis regresivoLogísticaPrediccionesClientesAprendizaje supervisadoSeguro de vehículos automotoresIndustria de segurosinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.02.04https://purl.org/pe-repo/ocde/ford#2.11.04https://purl.org/pe-repo/ocde/ford#5.02.04