基于 t-SNE 降维的汽车保险风险预测
人工智能
2023-03-02 v2 风险管理
机器学习
摘要
对投保人进行正确的风险估计对汽车保险公司具有重要意义。虽然当前该领域使用的工具在实践中已被证明相当高效且有益，但我们认为汽车保险风险估计过程仍有很大的发展和改进空间。为此，我们开发了一个基于神经网络与降维技术 t-SNE（t 分布随机邻域嵌入）相结合的框架。这使我们能够将风险的复杂结构可视化为一个二维曲面，同时仍保留特征空间中局部区域的性质。基于真实保险数据获得的结果揭示了高风险与低风险投保人之间的清晰对比，并且确实优于保险公司实际进行的风险估计。由于该方法中投资组合具有视觉可访问性，我们认为该框架对汽车保险公司可能是有利的，既可作为主要的风险预测工具，也可作为其他方法中的额外验证阶段。
引用
@article{arxiv.2212.09385,
title = {Prediction of Auto Insurance Risk Based on t-SNE Dimensionality Reduction},
author = {Joseph Levitas and Konstantin Yavilberg and Oleg Korol and Genadi Man},
journal= {arXiv preprint arXiv:2212.09385},
year = {2023}
}
备注
13 pages, 9 figures