VIP20
本课程属于：037-保险精算模型实时风险拦截 金融科技风控与量化工程 · 共 20 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

XGBoost实时赔付率预测模型教程

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
什么是赔付率 · 为什么需要实时预测 · XGBoost在保险精算中的优势
课程导论什么是赔付率
02
环境搭建
Python环境配置 · 安装XGBoost库 · 安装Pandas/NumPy/Sci…
环境搭建Python
03
赔付率业务理解
赔付率计算公式 · 分子（已发生赔款）与分母（已赚保费）… · 实时数据流概念
赔付率业务理解赔付率计算公式
04
数据采集与预处理
从数据库/API获取保单与理赔数据 · 处理缺失值 · 异常值检测与处理
数据采集预处理
05
特征工程基础
时间特征提取（保单生效月 · 理赔延迟天数） · 保单维度特征（保额
特征工程基础时间特征提取
06
特征工程进阶
聚合特征（历史平均赔付率） · 滚动窗口特征（近30天赔付金额均值） · 外部特征（地区经济指数）
特征工程进阶聚合特征
07
标签定义与数据划分
定义预测目标（未来30天赔付率） · 时间序列数据划分（训练集/验证集/测… · 避免数据泄露
标签定义数据划分
08
XGBoost核心原理
梯度提升树简介 · XGBoost的目标函数与正则化项 · 树的结构分数与分裂增益
XGBoost核心原理
09
XGBoost参数详解（上）
通用参数（booster · verbosity） · Tree Booster参数（max…
XGBoost参数详解
10
XGBoost参数详解（下）
学习任务参数（objective · eval_metric） · 正则化参数（gamma
XGBoost参数详解
11
模型训练基础
使用XGBoost原生API训练第一… · 使用Scikit-learn API… · 模型保存与加载
模型训练基础XGBoost
12
模型评估指标
回归指标（MAE · MSE · RMSE）
模型评估指标MAE
13
交叉验证与调参
时间序列交叉验证（TimeSerie… · 网格搜索（GridSearchCV） · 随机搜索（RandomizedSea…
交叉验证调参
14
特征重要性分析
XGBoost内置特征重要性（wei… · gain · cover）
特征重要性分析XGBoost
15
模型解释性
SHAP值原理 · SHAP摘要图 · SHAP依赖图
模型解释性SHAP
16
实时预测架构设计
消息队列（Kafka）接入实时事件 · 特征存储（Redis/Feature… · 模型服务化（Flask/FastAP…
实时预测架构设计Kafka
17
实时特征计算
滑动窗口特征实时更新 · 使用Flink/Spark Stre…
实时特征计算滑动窗口特征实时…
18
模型部署
将XGBoost模型导出为PMML或… · 使用Flask搭建REST API · Docker容器化部署
模型部署XGBoost
19
实时预测API开发
接收JSON请求 · 特征组装 · 调用模型预测
API实时预测
20
性能优化
模型量化（减少树深度） · 特征缓存 · 异步预测
性能优化模型量化
21
模型监控与漂移检测
预测分布监控 · 特征分布漂移检测（PSI指标） · 模型性能衰减告警
模型监控漂移检测
22
A/B测试与模型迭代
在线A/B测试框架 · 分流策略 · 新旧模型效果对比
A/B测试
23
案例实战（一）
数据准备——从模拟数据生成保单与理赔… · 数据清洗与特征工程
案例实战数据准备
24
案例实战（二）
模型训练——使用历史数据训练XGBo… · 调参优化
案例实战XGBo
25
案例实战（三）
模型评估——在测试集上评估模型 · 绘制预测vs实际散点图 · 计算业务偏差
案例实战模型评估
26
案例实战（四）
实时模拟——模拟Kafka消息流 · 实时特征计算 · 调用API预测并记录结果
案例实战Kafka
27
案例实战（五）
监控仪表盘——使用Grafana展示… · 模型性能指标
案例实战Grafana
28
常见问题与解决方案
数据延迟问题 · 特征穿越问题 · 模型过拟合处理
常见问题解决方案
29
扩展与进阶
使用LightGBM/CatBoos… · 深度学习时序模型（LSTM）融合 · 联邦学习在赔付率预测中的应用
扩展进阶
30
课程总结与未来展望
核心知识点回顾 · 保险科技趋势 · 推荐学习资源与社区
课程总结未来展望