Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Présentation Scoring Assurance-vie

No description
by

Projet2014 Data mining

on 26 August 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Présentation Scoring Assurance-vie

Scoring Bancaire
Construction de la régression logistique
Introduction
Arbre de décision
Comparaison des modèles
Courbe Lift Méthode CHAID
Arbre de décision associée à al méthode CHAID (profondeur fixée à 5)
Observations des clients souscripteurs ou non
Échantillonnage
Discrétisation
V-cramer: permet de mesurer l'intensité de la liaison entre deux variables qualitatives

V-cramer entre les variables explicatives et la variable cible (V-cramer les plus forts)

V-cramer entre les variables explicatives entre elles (V-cramer les plus faibles)
Problème de colinéarité
Comparaison des Modèles
Préparation des données
Construction de la population éligible
Création des indicateurs
Nettoyage des données
Discrétisation des variables
Échantillonnage
Le produit d'assurance-vie


Le Scoring appliqué à l'assurance vie


Présentation succincte des données
Modélisation
matrice de confusion
Courbe ROC associée à l'échantillon de Test1
Courbe LIFT associée à l'échantillon de Test1
Validation du modèle final
interprétation 2 (note de score)
Interprétation 1 (Odds Ratio ou rapport des cotes)
Résultat et interprétation du modèle
50,28% de souscripteurs
49,72% de non souscripteurs
50,14% de souscripteurs
49,86% de non souscripteurs
47,53% de souscripteurs
52,47% de non souscripteurs
Courbe ROC Méthode CHAID
Conclusion
Arbre de décision
Sélection auto des variables pertinentes
Lu et interpréter directement
Traduction en en base de règles sans perte d'information


Dès que la complexité de l’arbre augmente, son interprétation devient compliquée

Régression logistique
Traite les variables explicatives continues, discrètes et qualitatives
Pratique et simple d'utilisation

Pas de solution optimale pour la séparation en classe des variables
Suppose la non-colinéarité des variables

Technique de segmentation
Les méthodes utilisées
Définition
C&RT (Classification and Regression Trees)
CHAID (Chi-squared Automatic Interaction Detection)
QUEST (Quick, Unbiased, Efficient Statistical Tree)
FILTRES :

AGE [16;75]
ANCIENNETE > 6 mois
INDICATEURS
odd ratio de la modalité "ancienneté entre 161 et 751" = 1,15
15 % dee chance en plus de souscrire
Full transcript