保险领域的自动化机器学习
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了保险行业中机器学习应用依赖专业知识和实践经验的问题。提出的自动化机器学习工作流使无专业知识的用户可以轻松部署机器学习模型，特别针对数据不平衡等保险特有挑战进行了定制。研究结果显示，该方法能显著提升模型部署的效率和鲁棒性。
本研究应用机器学习模型预测医疗保险费用，并使用可解释的人工智能方法发现关键因素。结果显示XGBoost模型表现最佳，但计算资源消耗较高，RF模型在预测误差较小的同时消耗较少计算资源。比较了两种可解释人工智能方法的结果。希望研究能帮助决策者、保险公司和潜在购买者做出正确决策。
