摘要
医保风险决策在实际应用中的难点是投保人的患病具有不确定性,为此尝试利用机器学习耦合蓄水池抽样建立动态预测模型,辅助医保公司开展智能风险决策.具体做了三个方面的工作:首先,构建了医保风险决策模型,并从理论上得到了最优决策规则;然后,基于样本量固定的历史数据,搭建了智能医保静态风险决策的框架;最后,为改进静态智能预测对于风险决策指导的滞后性,提出将机器学习耦合蓄水池算法开展智能动态风险决策的思路,在不断更新的数据集上进行动态抽样,建立随时间动态更新的预测模型.以投保病种为糖尿病为例,选用2017年天池精准医疗大赛——人工智能辅助糖尿病风险预测相关数据.鉴于数据特征变量维度高且类型复杂,因此选用的机器学习算法为随机森林.对样本量相同的训练集以及同一测试集进行实验和对比,结果表明:基于动态预测的决策模型效果优于静态决策模型.
- 单位