GA-LightGBM模型及其在车辆保险需求预测中应用

作者：庄维嘉; 谭文安^*; 林瑞钦; 郝宵

来源：上海第二工业大学学报, 2022, 39(04): 339-346.

DOI：10.19570/j.cnki.jsspu.2022.04.009

• LightGBM模型
• 遗传算法
• 车辆保险
• 机器学习

为了提高LightGBM模型在车辆保险需求预测的准确率,引入遗传算法来优化LightGBM模型的参数,提出了一个GA-LightGBM模型。该模型主要分为3步:(1)对数据集进行预处理,包括特征描述性分析、去除无效值、分类特征数值化以及数值特征标准化;(2)使用遗传算法快速随机的全局搜索能力优化LightGBM模型参数;(3)根据最优参数组合训练LightGBM模型,并将最优模型应用于车辆保险需求预测中。实验结果表明在车辆保险需求预测方面,采用GA-LightGBM模型在均方根误差、召回率、F1值和AUC值相较于网格搜索法以及贝叶斯搜索法均有提升,模型性能均优于随机森林、GBDT、Bagging和Adaboost,可为保险公司商业决策提供参考。

• 单位
  上海第二工业大学