基于非参数回归模型的医疗保险报销时滞估计
机器学习
2020-08-21 v1 机器学习
摘要
非参数监督学习算法是一类简洁的监督学习算法，其学习参数高度灵活且取值直接依赖于训练数据规模。本文比较研究了四种非参数算法——K近邻（KNN）、支持向量机（SVM）、决策树与随机森林——的性质。该监督学习任务为医疗保险报销时滞的回归估计。我们的研究确切关注各非参数回归模型对训练数据的拟合程度。我们使用 R 平方度量量化拟合优度。结果展示聚焦于训练数据规模、特征空间维度与超参数优化的影响。
引用
@article{arxiv.2008.08624,
title = {Estimating the time-lapse between medical insurance reimbursement with non-parametric regression models},
author = {Mary Akinyemi and Chika Yinka-Banjo and Ogban-Asuquo Ugot and Akwarandu Ugo Nwachuku},
journal= {arXiv preprint arXiv:2008.08624},
year = {2020}
}