Main menu

Машинное обучение в прайсинге: градиентный бустинг (XGBoost) против классических GLM

Индустрия автострахования и страхования имущества переживает тектонический технологический сдвиг. На смену Обобщенным линейным моделям (GLM), безраздельно доминировавшим в актуарном ценообразовании последние тридцать лет, приходят ансамблевые алгоритмы машинного обучения. Появление телематики (датчиков в автомобилях), огромных массивов спутниковых снимков и данных из социальных сетей сделало традиционную линейную алгебру недостаточной. Наибольшую эффективность в предсказании частоты и тяжести убытков продемонстрировал алгоритм Градиентного бустинга на решающих деревьях (Gradient Boosting Machines, XGBoost). Однако его внедрение столкнулось с серьезным вызовом со стороны регуляторов, требующих абсолютной прозрачности тарифов.

Подробнее

Соц. сети