【技术实现步骤摘要】
一种车险数据的评估方法、装置、设备及介质
[0001]本申请涉及数据处理领域,尤其涉及一种车险数据的评估方法
、
装置
、
设备及介质
。
技术介绍
[0002]随着近年来国民经济的快速发展,人民生活水平持续提高,居民汽车拥有量也快速提升,车险也成为财险公司占比最大的业务
。
财险公司为车主提供准确的车险数据评估结果,既可以为广大车主提供保险保障服务,专业地为保险事故中的车主解决烦恼和弥补损失,同时,财险公司也可以通过良好的管理创造利润
。
[0003]目前,车险数据的评估主要采用广义线性模型
。
其中,广义线性模型通常假设车险相关数据是符合某种连续型的概率分布,如泊松回归模型
、
伽马回归模型或
Tweedie
回归模型等
。
但在实际车险赔付场景中,车险数据往往存在过离散现象,在这种情况下,使用传统广义线性模型可能会导致较差的预测性能
。
[0004]因此,如何提供一种能够准确对车险数据进行评估的技术方案,是本领域技术人员亟待解决的技术问题
。
技术实现思路
[0005]本申请提供了一种车险数据的评估方法
、
装置
、
设备及介质,通过对车辆的驾驶特征进行分析以预测损失强度和赔付频率,实现车险数据的评估,提高了车险数据的评估精度
。
[0006]根据本申请的一方面,提供了一种车险数据的评估方法 ...
【技术保护点】
【技术特征摘要】
1.
一种车险数据的评估方法,其特征在于,所述方法包括:获取待评估车辆的特征因子;其中,所述特征因子为影响所述待评估车辆驾驶特征的因素;将所述特征因子分别输入至预先训练好的损失强度预测模型以及预先训练好的赔付频率预测模型中,分别确定与所述待评估车辆损失强度对应的第一概率分布函数以及与所述待评估车辆赔付频率对应的第二概率分布函数;根据所述第一概率分布函数和所述第二概率分布函数,确定所述待评估车辆车险数据的评估结果
。2.
根据权利要求1所述的方法,其特征在于,将所述特征因子分别输入至预先训练好的损失强度预测模型中,确定与所述待评估车辆损失强度对应的第一概率分布函数,包括:将所述特征因子输入至预先训练好的损失强度预测模型中,得到所述待评估车辆在各损失强度时的第一概率值;根据各所述第一概率值,确定与所述待评估车辆损失强度对应的第一概率分布函数;相应地,将所述特征因子输入至预先训练好的赔付频率预测模型中,确定与所述待评估车辆赔付频率对应的第二概率分布函数,包括:将所述特征因子分别输入至预先训练好的赔付频率预测模型中,得到所述待评估车辆在各赔付频率时的第二概率值;根据各所述第二概率值,确定与所述待评估车辆赔付频率对应的第二概率分布函数
。3.
根据权利要求1所述的方法,其特征在于,所述损失强度预测模型的训练过程,包括:获取带有标签数据的历史车险数据样本集;其中,所述标签数据为历史损失强度;将所述历史车险数据样本集输入至初始模型,采用预设损失函数对所述初始模型进行训练,得到损失强度预测模型
。4.
根据权利要求3所述的方法,其特征在于,所述预设损失函数的构建过程,包括:根据预设车险赔付规则,确定赔付强度的概率密度函数和生存函数;其中所述概率密度函数用于表示损失强度低于限额时赔付强度的概率密度分布,所述生存函数用于表示损失强度高于限额时时赔付强度概率密度分布;根据所述概率密度函数和所述生存函数,确定预设损失函数
。5.
根据权利要求4所述的方法,其特征在于,根据所述概率密度函数和所述生存函数,确定预设损失函数,包括:采用如下公式确定预设损失函数:式中,
x
为赔付强度,
l(...
【专利技术属性】
技术研发人员:徐赛花,张柠,汤颖民,
申请(专利权)人:上海金润联汇数字科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。