保险中的自动化机器学习
机器学习
2024-08-27 v1
摘要
机器学习（ML）在精算研究和保险工业应用中日益普及。然而，大多数 ML 任务的性能严重依赖于数据预处理、模型选择和超参数优化，这些在领域知识、经验和人工劳动方面均要求极高。自动化机器学习（AutoML）旨在自动完成 ML 任务的完整生命周期，并在无需人工干预或监督的情况下提供 SOTA 的 ML 模型。本文介绍了一种 AutoML 工作流，允许没有领域知识或先前经验的用户仅通过编写几行代码即可实现稳健且轻松的 ML 部署。所提出的 AutoML 专为保险应用量身定制，具备数据预处理中的平衡步骤、集成流水线和自定义损失函数等特性。这些特性旨在应对保险领域的独特挑战，包括常见保险数据集的不平衡特性。完整代码和文档可在 GitHub 仓库获取。(https://github.com/PanyiDong/InsurAutoML)
引用
@article{arxiv.2408.14331,
title = {Automated Machine Learning in Insurance},
author = {Panyi Dong and Zhiyu Quan},
journal= {arXiv preprint arXiv:2408.14331},
year = {2024}
}