Car Insurance Recommendation System

Bc. Jakub Smatana

Bachelor's thesis

Anotácia:

Cieľom tejto práce je pomôcť poisťovacím agentom pri rozhodovaní o produkte, keďže cieľom bolo vytvoriť systém odporúčaní poistenia auta pomocou algoritmu strojového učenia s doplnením porovnania výsledkov dvoch rôznych algoritmov. Predpovede boli zamerané na odporúčanie poisťovne a predného skla. Modely boli natrénované na údajoch poskytnutých spoločnosťou Able. V práci je uvedená aplikácia, ktorá prijíma vstupné informácie o vodičovi a vozidle a poskytuje odporúčania. Tento systém je možné rozšíriť pridaním ďalších funkcií s cieľom predpovedať celé poistenie.

Abstract:

This thesis aims to help insurance agents with product decisions as the goal was to construct a car insurance recommendation system using the machine learning algorithm with the addition of comparing results from two different algorithms. The predictions were focused on the insurance company and front glass recommendations. The models were trained on the data provided by the Able company. The thesis presents an application accepting the input information about the driver and the car and providing the recommendation. This system can be extended by adding more features with the aim of predicting complete insurance coverage.

Keywords

CatBoost, decision trees, gradient boosting, LightGBM, machine learning, motor insurance, reccomender system, supervised learning

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 25. 5. 2021

Obhajoba závěrečné práce

• Obhajoba proběhla 2. 7. 2021
• Vedúci: Ing. Lukáš Grolig
• Oponent: Mgr. Jakub Kaman

Masaryk University

Faculty of Informatics

Bachelor programme / odbor:
Informatics / Computer Systems and Data Processing