首页|基于XGBoost-LightGBM的保险理赔预测研究

基于XGBoost-LightGBM的保险理赔预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Research on insurance claims prediction based on XGBoost-LightGBM

丁海博、张睿、崔丽玲

展开 >

湖南工业大学,湖南 株洲 412007

XGBoost LightGBM 多模型融合 保险理赔预测

湖南省2021年大学生创新创业训练计划湖南省2021年大学生创新创业训练计划

湘教通[2021]197号S202111535032

2023

10.16644/j.cnki.cn33-1094/tp.2023.05.013

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(5)
  • 3
  • 7