VIP13
本课程属于：063-车险定价、UBI与驾驶行为 智能金融与金融工程 · 共 13 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

车险驾驶人画像与出险概率建模实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=车险行业背景 · 驾驶人画像与出险概率建模的价值 · 学习目标与整体课程框架
课程导入目标=车险行业背…
02
车险业务基础
目标=车险种类 · 承保与理赔流程 · 关键业务指标
车险业务基础目标=车险种类
03
驾驶人画像概述
目标=画像定义 · 标签体系 · 数据来源
驾驶人画像概述目标=画像定义
04
数据采集与整合
目标=车险内部数据 · 外部数据 · 车载设备数据
数据采集整合
05
数据预处理实战
目标=缺失值处理 · 异常值检测 · 数据清洗
数据预处理实战目标=缺失值处理
06
探索性数据分析
目标=驾驶人特征分布 · 出险率交叉分析 · 可视化方法与业务洞察
探索性数据分析目标=驾驶人特征…
07
特征工程基础
目标=数值特征 · 类别特征 · 时间特征
特征工程基础目标=数值特征
08
驾驶人行为特征构建
目标=驾驶里程 · 急加速 · 急刹车
驾驶人行为特征构…目标=驾驶里程
09
静态画像特征构建
目标=年龄 · 性别 · 驾龄
静态画像特征构建目标=年龄
10
外部数据特征构建
目标=天气 · 路况 · 区域风险
外部数据特征构建目标=天气
11
出险概率建模问题定义
目标=二分类与多分类 · 样本不平衡 · 评估指标选择与业务对齐
出险概率建模问题…目标=二分类
12
逻辑回归模型实战
目标=原理 · 特征筛选 · WOE/IV
逻辑回归模型实战目标=原理
13
树模型与集成学习
目标=决策树 · 随机森林 · XGBoost
树模型集成学习
14
模型评估与调优
目标=交叉验证 · 超参数搜索 · ROC/AUC
模型评估调优
15
模型可解释性
目标=特征重要性 · SHAP · 部分依赖图
模型可解释性目标=特征重要性
16
驾驶人画像与模型融合
目标=画像标签与预测模型结合 · 分群建模 · 个性化风险评分
驾驶人画像模型融合
17
实战案例一
目标=基于历史保单数据的出险概率预测…
实战案例一目标=基于历史保…
18
实战案例二
目标=基于车载设备数据的驾驶行为风险…
实战案例二目标=基于车载设…
19
实战案例三
目标=新驾驶人冷启动与外部数据补充建…
实战案例三目标=新驾驶人冷…
20
模型部署与监控
目标=离线批量预测 · 实时API · 模型版本管理
模型部署监控
21
业务应用与策略
目标=差异化定价 · 核保风控 · 续保管理
业务应用策略
22
常见问题与解决方案
目标=数据质量差 · 样本不平衡 · 特征漂移
常见问题解决方案
23
模型公平性与合规
目标=避免歧视性变量 · 监管要求 · 可解释性报告与审计
模型公平性合规
24
综合提升一
目标=从画像到决策的端到端解决方案设…
综合提升一目标=从画像到决…
25
综合提升二
目标=多模型对比与集成策略优化
综合提升二目标=多模型对比
26
综合提升三
目标=时间序列与动态风险更新方法
综合提升三目标=时间序列
27
综合提升四
目标=图神经网络与关系网络在车险风控…
综合提升四目标=图神经网络
28
综合提升五
目标=因果推断在出险概率建模中的应用
综合提升五目标=因果推断
29
课程总结
目标=核心知识点回顾 · 技能地图 · 常见误区与持续学习路径
课程总结目标=核心知识点…
30
课程项目
目标=独立完成驾驶人画像与出险概率建…
课程项目目标=独立完成驾…