XGBoost 模型基础回顾

在构建精算模型服务（Serving）与 API 之前，必须扎实理解 XGBoost 的核心原理、精算场景下的训练流程以及模型文件的持久化格式。本章将围绕这三个关键点展开，为后续的模型部署与 API 发布奠定基础。

2.1 XGBoost 核心原理：梯度提升树

XGBoost（eXtreme Gradient Boosting）是一种基于梯度提升框架的集成学习算法，其核心思想是通过逐步添加决策树来修正前一轮的残差。与传统的梯度提升决策树（GBDT）相比，XGBoost 在目标函数中引入了正则化项，并使用了二阶泰勒展开来近似损失函数，从而在精度和泛化能力上表现更优。

以下 SVG 展示了 XGBoost 单轮迭代的核心计算流程：

XGBoost 相比传统 GBDT 的核心优势体现在以下方面：

2.2 精算场景下的模型训练流程

在精算领域，XGBoost 常用于风险定价、准备金评估、理赔预测等任务。精算模型训练流程需要兼顾业务逻辑、数据分布特性和监管要求。以下是一个标准化的精算 XGBoost 训练流程：

精算场景下训练 XGBoost 模型的关键步骤与注意事项：

• 数据准备：聚合保单级数据到风险单元（risk cell），处理零膨胀、长尾分布等精算数据特性。
• 特征工程：构造精算专用特征，如已赚保费、理赔次数、赔付率、区域风险等级、保单年度趋势等。
• 自定义损失函数：精算常用 Tweedie 分布（泊松-伽马复合分布）或 Gamma 分布来拟合赔付金额。
• 模型评估：除常规 AUC/LogLoss 外，需关注 Gini 系数、提升度（Lift）、分位数校准（Quantile Calibration）。
• 模型校准：根据精算平衡原理（Actuarial Balance）调整模型预测水平，确保整体费率充足。

2.3 模型文件格式：.json / .pkl / .ubj

训练完成的 XGBoost 模型需要持久化存储，以便后续的 Serving 和 API 调用。XGBoost 支持多种序列化格式，不同格式在可读性、加载速度和跨语言兼容性上各有优劣。

以下是三种格式的保存与加载代码示例：

import xgboost as xgb
import pickle

# 假设 model 是已训练好的 XGBoost 模型
model = xgb.XGBRegressor(n_estimators=100, max_depth=6)
# model.fit(X_train, y_train)  # 训练过程省略

# 1. 保存为 JSON 格式（推荐用于生产环境）
model.save_model("actuarial_model.json")
loaded_json = xgb.XGBRegressor()
loaded_json.load_model("actuarial_model.json")

# 2. 保存为 Pickle 格式（Python 专用）
with open("actuarial_model.pkl", "wb") as f:
    pickle.dump(model, f)
with open("actuarial_model.pkl", "rb") as f:
    loaded_pkl = pickle.load(f)

# 3. 保存为 UBJSON 格式（二进制，高性能）
model.save_model("actuarial_model.ubj")
loaded_ubj = xgb.XGBRegressor()
loaded_ubj.load_model("actuarial_model.ubj")

三种格式的文件大小与加载速度对比（基于 500 棵树、最大深度 8 的模型测试）：