典型文献
GA-LightGBM模型及其在车辆保险需求预测中应用
文献摘要：
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.
文献关键词：
LightGBM模型;遗传算法;车辆保险;机器学习
中图分类号：
作者姓名：
庄维嘉;谭文安;林瑞钦;郝宵
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
文献出处：
引用格式：
[1]庄维嘉;谭文安;林瑞钦;郝宵-.GA-LightGBM模型及其在车辆保险需求预测中应用)[J].上海第二工业大学学报,2022(04):339-346
A类：
B类：
GA,LightGBM,车辆保险,保险需求,需求预测,特征描述,描述性分析,无效值,分类特征,特征数,数值特征,特征标,全局搜索,搜索能力,能力优化,最优参数,数组,组合训练,最优模型,模型应用,召回率,网格搜索法,模型性能,GBDT,Bagging,Adaboost,保险公司
AB值：
0.364132
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
