Documentation — Prédiction Sinistres Assurance Auto

Sommaire

Description

58 592 polices avec indicateur de sinistre (0/1). Variables démographiques et comportementales. Cas typique de déséquilibre de classes pour la modélisation de fréquence sinistre.

Dictionnaire des variables

Comment utiliser ce dataset

import pandas as pd

# Charger le dataset
df = pd.read_csv("URL_DU_FICHIER")

# Aperçu rapide
print(df.shape)        # (58592, 18)
print(df.dtypes)
print(df.describe())
df.head(10)

# Variable cible
X = df.drop(columns=["is_claim"])
y = df["is_claim"]

# Charger le dataset
df <- read.csv("URL_DU_FICHIER", stringsAsFactors = FALSE)

# Aperçu rapide
dim(df)          # 58592 x 18
str(df)
summary(df)
head(df, 10)

# Variable cible
y <- df$is_claim
X <- df[, !names(df) %in% c("is_claim")]

# Télécharger le dataset
curl -L -o "prédiction_sinistres_assurance_auto.csv" \
  "URL_DU_FICHIER"

# Vérification (nombre de lignes)
wc -l "prédiction_sinistres_assurance_auto.csv"

Citation & Licence

Format BibTeX

@dataset{pr_diction_sinistres_assurance_auto_2026,
  title  = {Prédiction Sinistres Assurance Auto},
  author = {StochastiQdata},
  year   = {2026},
  url    = {https://stochastiqdata.com/modeling/e6b5c9c9-eace-4002-b575-7f059b5e7dea},
  note   = {Dataset pour actuaires}
}

Format APA

StochastiQdata. (2026). Prédiction Sinistres Assurance Auto [Dataset].
  https://stochastiqdata.com/modeling/e6b5c9c9-eace-4002-b575-7f059b5e7dea