基于改进Boosting算法的车险理赔额组合模型预测

• 作者: 邢铭轩 赵锦艳 河北工业大学理学院
• 来源期刊: 科技与创新
• 学科: 工学
• 关键词: 机器学习 Boosting算法 组合模型 Optuna算法
• 年，卷（期）: 2024,（9）
• 页码范围: 1-6
• 页数: 6页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2024.09.001

摘要

针对车险理赔额预测中单一机器学习方法存在的问题，提出一种基于Optuna调参后的XGBoost(eXtreme Gradient Boosting)-LightGBM(Light Gradient Boosting Machine)组合模型预测方法。首先，分别构建XGBoost与LightGBM单个模型，并使用Optuna框架对模型参数进行优化；其次，将2个优化后的模型预测结果进行加权融合；最后，采用法国第三方责任险的车险保单数对融合模型进行验证。结果表明，与单一的XGBoost和LightGBM模型相比，经过参数优化后的组合模型在预测车险理赔额时展现出更低的均方根误差，从而证明其更高的预测精度。