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 ZHUANG Weijia;TAN Wen’an;LIN Ruiqin;HAO Xiao

作者机构：上海第二工业大学资源与环境工程学院上海201209 上海第二工业大学计算机与信息工程学院上海201209 

出 版 物：《上海第二工业大学学报》 (Journal of Shanghai Polytechnic University)

年 卷 期：2022年第39卷第4期

页      面：339-346页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61672022,U1904186) 上海市研究生教育学会研究课题(ShsgeG202207)资助 

主　　题：LightGBM模型 遗传算法 车辆保险 机器学习 

摘      要：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。