Тарифиране, невронни мрежи

Току-що сте получили данни за ценообразуване за застраховка на моторни превозни средства за нова компания. Искате да моделирате броя на исковете, но не сте съвсем сигурни кои рейтингови фактори действително влияят, само като погледнете данните, защото има 2 милиона записа. Със сигурност може да направите тест за чувствителност за всяка от променливите в данните, за да разберете колко ще се променят претенциите, ако направите малка промяна във всяка променлива. Опитали сте с една променлива, но това не е достатъчно. Трябва да разгледате комбинациите от рейтингови фактори. Какво става, ако има 8 възможни фактора за включване / изключване (или да / не или 1/0)? Това би означавало до 255 възможни комбинации от рейтингови фактори за тестване. Още, ако рейтинговите фактори имат по-голяма дълбочина, като възраст. За съжаление, нашите клиенти не могат да плащат актюерски ставки за 10-годишния анализ, необходим за отчитане на всяка комбинация или рейтингови фактори в дълбочина. Но ние все още трябва да отговорим на въпроса.

http://www.luxactuaries.com/machine-learning-applications-insurance-pricing/

Как всичко това може да бъде приложено на практика:

• GOOGLE CLOUD BIG DATA AND MACHINE LEARNING BLOG (Using machine learning for insurance pricing optimization)
•  how we can run a neural network using R, Michael Crogan