典型文献
基于蓄水池抽样的智能医保动态风险决策及应用
文献摘要：
医保风险决策在实际应用中的难点是投保人的患病具有不确定性,为此尝试利用机器学习耦合蓄水池抽样建立动态预测模型,辅助医保公司开展智能风险决策.具体做了三个方面的工作:首先,构建了医保风险决策模型,并从理论上得到了最优决策规则;然后,基于样本量固定的历史数据,搭建了智能医保静态风险决策的框架;最后,为改进静态智能预测对于风险决策指导的滞后性,提出将机器学习耦合蓄水池算法开展智能动态风险决策的思路,在不断更新的数据集上进行动态抽样,建立随时间动态更新的预测模型.以投保病种为糖尿病为例,选用2017年天池精准医疗大赛——人工智能辅助糖尿病风险预测相关数据.鉴于数据特征变量维度高且类型复杂,因此选用的机器学习算法为随机森林.对样本量相同的训练集以及同一测试集进行实验和对比,结果表明:基于动态预测的决策模型效果优于静态决策模型.
文献关键词：
风险决策;机器学习;蓄水池抽样;动态决策;糖尿病
中图分类号：
作者姓名：
龚谊承;王晓杰;邹一鸣
作者机构：
武汉科技大学理学院,武汉430065;冶金工业过程系统科学湖北省重点实验室,武汉科技大学,武汉 430081
文献出处：
引用格式：
[1]龚谊承;王晓杰;邹一鸣-.基于蓄水池抽样的智能医保动态风险决策及应用)[J].系统科学与数学,2022(04):802-817
A类：
蓄水池抽样
B类：
医保,动态风险,风险决策,投保人,动态预测模型,决策模型,上得,最优决策,决策规则,样本量,历史数据,智能预测,滞后性,不断更新,时间动态,动态更新,病种,天池,精准医疗,人工智能辅助,糖尿病风险预测,数据特征,特征变量,机器学习算法,训练集,测试集,于静,动态决策
AB值：
0.304754
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。
