利用梯度增强法对气候相关保险索赔进行分类

IF 0.1 Q4 ECONOMICS
G. Tzougas, Viet Dang, Asif John, Stathis Kroustalis, Debashish Dey, Konstantin Kutzkov
{"title":"利用梯度增强法对气候相关保险索赔进行分类","authors":"G. Tzougas, Viet Dang, Asif John, Stathis Kroustalis, Debashish Dey, Konstantin Kutzkov","doi":"10.26360/2022_6","DOIUrl":null,"url":null,"abstract":"Abstract The aim of this paper is to implement, one of the most representative supervised learning approaches, the decision tree based ensemble method called gradient boosting for classifying the number of claims caused by storms in Greece using data from a major insurance company operating in Greece. Finally, a machine learning algorithm is used to for categorising the number of claims which have been occurred by a “storm event” into 3 categories: “no claims”, “1 claim”, “2 or more claims”. Keywords: cimate-related insurance claims, ensemble learning, decision trees, boosting. Resumen El objetivo de este trabajo es aplicar uno de los enfoques de aprendizaje supervisado más representativos, el método de conjunto basado en árboles de decisión denominado gradient boosting, para clasificar el número de siniestros causados por tormentas en Grecia utilizando datos de una importante compañía de seguros que opera en este país. Por último, se utiliza un algoritmo de aprendizaje automático para clasificar el número de siniestros que se han producido como consecuencia de un «evento de tormenta» en 3 categorías: «ningún siniestro», «1 siniestro», «2 o más siniestros». Palabras clave: siniestros de seguros relacionados con las tormentas, aprendizaje conjunto, árboles de decisión, boosting.","PeriodicalId":40666,"journal":{"name":"Anales del Instituto de Actuarios Espanoles","volume":null,"pages":null},"PeriodicalIF":0.1000,"publicationDate":"2022-12-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"CLASSIFICATION OF CLIMATE-RELATED INSURANCE CLAIMS USING GRADIENT BOOSTING\",\"authors\":\"G. Tzougas, Viet Dang, Asif John, Stathis Kroustalis, Debashish Dey, Konstantin Kutzkov\",\"doi\":\"10.26360/2022_6\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Abstract The aim of this paper is to implement, one of the most representative supervised learning approaches, the decision tree based ensemble method called gradient boosting for classifying the number of claims caused by storms in Greece using data from a major insurance company operating in Greece. Finally, a machine learning algorithm is used to for categorising the number of claims which have been occurred by a “storm event” into 3 categories: “no claims”, “1 claim”, “2 or more claims”. Keywords: cimate-related insurance claims, ensemble learning, decision trees, boosting. Resumen El objetivo de este trabajo es aplicar uno de los enfoques de aprendizaje supervisado más representativos, el método de conjunto basado en árboles de decisión denominado gradient boosting, para clasificar el número de siniestros causados por tormentas en Grecia utilizando datos de una importante compañía de seguros que opera en este país. Por último, se utiliza un algoritmo de aprendizaje automático para clasificar el número de siniestros que se han producido como consecuencia de un «evento de tormenta» en 3 categorías: «ningún siniestro», «1 siniestro», «2 o más siniestros». Palabras clave: siniestros de seguros relacionados con las tormentas, aprendizaje conjunto, árboles de decisión, boosting.\",\"PeriodicalId\":40666,\"journal\":{\"name\":\"Anales del Instituto de Actuarios Espanoles\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.1000,\"publicationDate\":\"2022-12-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anales del Instituto de Actuarios Espanoles\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.26360/2022_6\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"ECONOMICS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anales del Instituto de Actuarios Espanoles","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26360/2022_6","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ECONOMICS","Score":null,"Total":0}
引用次数: 0

摘要

摘要本文的目的是利用在希腊经营的一家主要保险公司的数据,实现最具代表性的监督学习方法之一,即基于决策树的集成方法(称为梯度增强),用于对希腊风暴造成的索赔数量进行分类。最后,使用机器学习算法将“风暴事件”产生的索赔数量分为3类:“无索赔”、“1索赔”、“2个或更多索赔”。关键词:气候相关保险理赔;集成学习;决策树;履带- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -可怜的último,我们的利用算法de aprendizaje automático para classar el número de siniestros que se se o conconencia de de«evento de tormenten 3 categorías:«ningún siniestro»,«1 siniestro»,«2 o más siniestro»。Palabras clave: sininiestros de seguros relationados conlas tormentas, aprendizaje conjunto, árboles de decisión,促进。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
CLASSIFICATION OF CLIMATE-RELATED INSURANCE CLAIMS USING GRADIENT BOOSTING
Abstract The aim of this paper is to implement, one of the most representative supervised learning approaches, the decision tree based ensemble method called gradient boosting for classifying the number of claims caused by storms in Greece using data from a major insurance company operating in Greece. Finally, a machine learning algorithm is used to for categorising the number of claims which have been occurred by a “storm event” into 3 categories: “no claims”, “1 claim”, “2 or more claims”. Keywords: cimate-related insurance claims, ensemble learning, decision trees, boosting. Resumen El objetivo de este trabajo es aplicar uno de los enfoques de aprendizaje supervisado más representativos, el método de conjunto basado en árboles de decisión denominado gradient boosting, para clasificar el número de siniestros causados por tormentas en Grecia utilizando datos de una importante compañía de seguros que opera en este país. Por último, se utiliza un algoritmo de aprendizaje automático para clasificar el número de siniestros que se han producido como consecuencia de un «evento de tormenta» en 3 categorías: «ningún siniestro», «1 siniestro», «2 o más siniestros». Palabras clave: siniestros de seguros relacionados con las tormentas, aprendizaje conjunto, árboles de decisión, boosting.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信