GLM et autres méthodes de machine learning : Modélisation d'un propensity to buy

Details

Supervisors

Denuit, Michel

Faculty

Faculté des sciences

Degree label

Master [120] en sciences actuarielles

Abstract

Ce mémoire-projet porte sur la modélisation d'un propensity to buy dans le cas d'une garantie vol d'une assurance incendie. Le terme "propensity to buy" se définit mathématiquement par une variable binaire : 0 lorsque le client n'achète pas le produit , 1 lorsque le client l'achète. Différentes techniques prédictives telles que le GLM, Decision tree, Random forest et GBM ont été appliquées aux données fournies par la compagnie d'assurances AG Insurance. La première partie de ce mémoire reprend ce qui a déjà été fait dans la littérature actuarielle pour ces différentes techniques. La deuxième partie présente théoriquement celles-ci. La troisième partie consiste en une analyse exploratoire de la base de données. Et enfin, la dernière partie décrit la mise en application de ces différentes techniques. This thesis concerns a propensity to buy modelling in the case of a theft upsell of a fire insurance. The term "propensity to buy" is defined mathematically by a binary variable: 0 when the customer does not buy the product, 1 when the customer buys it. Different predictive techniques such as GLM, Decision tree, Random forest and GBM have been applied to the data provided by the insurance company AG Insurance. The first part of this thesis concerns what has already been done in the actuarial literature for these different techniques. The second part presents these theoretically. The third part consists of an exploratory analysis of the database. And finally, the last part describes the application of these techniques.