摘要
为提高保险公司对保险理赔的预测精度,提出一种基于多模型融合的XGBoost-LightGBM预测方法.构建XGBoost模型与LightGBM模型,使用Optuna框架对模型参数进行优化,结合MAPE-RW(Mean Absolute Error-reciprocalweight)算法确定融合权重,将两个模型的预测结果加权结合作为最终组合模型的预测结果.以Allstate公司的数据为例,对该组合模型进行验证,结果表明:与随机森林、Lasso回归、SVM及单个XGBoost模型、LightGBM模型相比较,XGBoost-LightGBM组合模型有最低的平均绝对误差(MAE)值,预测精度最高.
基金项目
湖南省2021年大学生创新创业训练计划(湘教通[2021]197号)
湖南省2021年大学生创新创业训练计划(S202111535032)
NETL
NSTL
维普
万方数据