首页
›
金融科技风控与量化工程
›
037-保险精算模型实时风险拦截
›
《XGBoost赔付率实时预测与拦截实战》
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赔付率实时预测与拦截实战
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
赔付率预测与实时拦截的业务价值 · 技术挑战与课程目标
课程导论
赔付率预测
02
保险风控基础
赔付率定义 · 传统风控模型(规则引擎 · 线性回归)的局限性
保险风控基础
赔付率定义
03
XGBoost算法原理
梯度提升树 · 正则化目标函数 · 分裂增益计算
XGBoost
算法原理
04
XGBoost核心优势
处理缺失值 · 列抽样 · 并行化与缓存优化
XGBoost
核心优势
05
特征工程(上)
保单维度特征(保额 · 险种 · 缴费方式)的提取与清洗
特征工程
保单维度特征
06
特征工程(下)
历史理赔特征(出险次数 · 赔付金额 · 理赔间隔)与外部数据融合
特征工程
历史理赔特征
07
标签定义与样本构建
赔付率标签(连续值/二分类) · 正负样本平衡策略(SMOTE/欠采样…
标签定义
样本构建
08
数据集划分
时间序列交叉验证 · 避免数据泄露的滑动窗口方法
数据集划分
时间序列交叉验证
09
XGBoost模型训练
Python环境配置 · XGBoost库安装 · DMatrix数据结构
XGBoost
模型训练
10
超参数调优(上)
学习率 · 树的最大深度 · 子采样比例对模型的影响
超参数调优
学习率
11
超参数调优(下)
正则化参数(lambda/alpha… · 早停法(early_stopping…
超参数调优
lambda/alpha
12
模型评估指标
AUC-ROC · KS值 · 提升度(Lift)
模型评估指标
AUC-ROC
13
特征重要性分析
内置重要性图 · SHAP值解释模型决策
特征重要性分析
内置重要性图
14
模型部署架构
实时预测系统设计(API网关 · 特征存储 · 模型服务)
模型部署架构
API
15
实时特征计算
基于Flink/Spark Stre…
实时特征计算
Flink/Spark
16
模型服务化
使用Flask/FastAPI封装X…
模型服务化
Flask/FastAP…
17
拦截决策引擎
阈值设定 · 规则叠加(黑名单+模型分) · 人工审核队列
拦截决策引擎
阈值设定
18
性能优化
模型量化 · ONNX转换 · GPU推理加速
性能优化
模型量化
19
A/B测试与灰度发布
线上流量切分 · 效果对比实验设计
A/B
测试
20
监控与告警
模型漂移检测(PSI) · 特征分布监控 · 响应时间监控
监控
告警
21
实战案例(一)
车险赔付率预测——数据探索与特征工程
实战案例
车险赔付率预测
22
实战案例(二)
车险赔付率预测——模型训练与调优
实战案例
车险赔付率预测
23
实战案例(三)
车险赔付率预测——实时拦截系统搭建
实战案例
车险赔付率预测
24
实战案例(四)
健康险赔付率预测——医疗数据特征处理
实战案例
健康险赔付率预测
25
实战案例(五)
健康险赔付率预测——模型解释与业务落…
实战案例
健康险赔付率预测
26
模型迭代策略
在线学习 · 定期重训练 · 增量更新
模型迭代策略
线学习
27
合规与伦理
模型公平性 · 隐私保护(差分隐私) · 监管要求
合规
伦理
28
常见问题排查
特征缺失 · 数据倾斜 · 过拟合
常见问题排查
特征缺失
29
前沿技术展望
深度学习(TabNet) · 自动机器学习(AutoML)在赔付率…
前沿技术展望
TabNet
30
课程总结与项目答辩
知识体系回顾 · 学员项目展示要点 · 后续学习路径
课程总结
项目答辩
所属VIP或分类
同VIP:model-serving实操:精算模型上线
同VIP:Python保险赔付率实时预测实战
同VIP:Python保险风险实时拦截教程