Uru:
- Ikike ịchọpụta ụkpụrụ efu, ndị na-apụ apụ, mkpughe na nsogbu ịdịmma data dị na amụma na imebi data site na nkwado ọgụgụ isi na imepụta akwụkwọ ndozi.
- Injinia njiri mara (mwepụta mgbanwe ọhụrụ, ịchịkọta, koodu) na mkpughe nkịtị na ọgụgụ isi mmadụ nwere ọnọdụ ziri ezi.
- Ghọta na mgbanwe data nke ọgụgụ isi mmadụ tụrụ aro kwesịrị ka onye na-eme ihe na-enyocha ihe ize ndụ nke mwepu data na nhụsianya zoro ezo.
Opekempe a na-ekwu maka ya mana ọtụtụ oge na-ewe akụkụ nke ọrụ actuarial bụ nkwadebe data. Ndị na-eme ihe nkiri maara na ihe ka ọtụtụ n'ime oge a na-eme ihe nlegharị anya na-eji ihicha, jikọta, na mezie data ahụ. N'agbanyeghị otú ihe nlereanya ahụ si maa mma, ọ bụrụ na data ndenye mebiri emebi, ihe a rụpụtara na-emebi emebi - na nkenke, "ihe mkpofu na-abanye, kpofuo." Na ngalaba a, anyị ga-ahụ nsogbu ndị a na-ahụkarị nke amụma na data na-azọrọ, otu esi achọpụta ma dozie ha na AI, yana njikwa njirimara (ewepụtara mgbanwe ọhụrụ nke na-enye ihe ọmụma site na data dị adị).
Ịdọ aka ná ntị site na mmalite: nkwadebe data bụ ihe yiri nkà na ụzụ na-emeghị ihe ọjọọ, ma nke a bụ ebe ndị kasị dị ize ndụ njehie na-ezo. Nhazi ekpughere ezighi ezi, mwepu data zoro ezo, ma ọ bụ nhụsianya ewepụtara n'amaghị ama na-emebi ụdị niile na-esote. AI na-eme ka usoro a dịkwuo ngwa ngwa, mana ọ bụrụ na a naghị achịkwa ya, ọ na-ebulikwa ihe ize ndụ ahụ.
Nsogbu nkịtị nke data actuarial
Amụma na data nkwuputa ọ fọrọ nke nta ka ọ bụrụ na ọ dịghị abịarute ọcha. Nsogbu ndị a na-ahụkarị bụ: ụkpụrụ efu: ụfọdụ amụma nwere afọ ụgbọ ala efu, ọrụ ma ọ bụ mpaghara. Iji kpuo ìsì na-ejuputa ihe ndị a na nkezi nwere ike ịmepụta enweghị isi; ụkọ n'onwe ya mgbe ụfọdụ na-ebu ozi (ndị na-efu efu bụ otu dị iche). Outliers: ndekọ na-ezighị ezi dị ka ego adịghị mma, mkpuchi afọ 200, amụma mkpughe efu. A ga-amarịrị ma ndị a bụ njehie data ma ọ bụ ezigbo ikpe. Enweghị nkwekọ: mkpoputa dị iche iche nke otu mpaghara ("Istanbul", "Istanbul", "34"), mgbagwoju anya usoro ụbọchị. Ndenye oyiri: ntinye nke otu mmebi ugboro abụọ.
Mana ihe kachasị mkpa maka ihe omume bụ ikpughe. Ọ bụrụ na amụma amalite n'etiti afọ, ọ na-enye mkpughe nke akụkụ (dịka 0.5 afọ) maka afọ ahụ, ọ bụghị "afọ amụma" zuru ezu. Ugboro ugboro na ọnụego mmebi kwesịrị ịdị na-ahazi mgbe niile na mkpughe; ma ọ bụghị obere oge amụma na-egosi nnukwu ihe ize ndụ. AI nwere ike itinye ngụkọ mkpughe, mana ị ga-enye nkọwa na iwu azụmaahịa.
Tebụl na-esonụ na-achịkọta nsogbu ndị a na-ahụkarị na ụzọ ziri ezi:
nsogbu
ụzọ na-ezighi ezi
ụzọ ziri ezi
efu uru
Jupụta ihe niile na nkezi
Nyochaa ụkọ; mgbe ụfọdụ imeghe otu iche iche
outlier
Hichapụ na-akpaghị aka
Chọpụta ọdịiche dị n'etiti njehie data na ezigbo ndu
ikpughe
Gụọ amụma niile maka otu afọ
Gbakọọ mkpughe obere akụkụ
Esemokwu nke otu
leghara anya
Dakọtara na akwụkwọ ọkọwa okwu ọkọlọtọ
mmebi ugboro ugboro
achọpụtala
Megharịa ya na mpaghara igodo
Injinia atụmatụ: inweta ihe ọmụma sitere na data
Injinia njiri mara bụ nka nke iwepụta mgbanwe ọhụrụ bara uru karịa ihe nlereanya site na ụdị mgbanwe dị adị. Ọmụmaatụ: "afọ" site na ụbọchị ọmụmụ, "afọ otu" (binning) site na afọ, "akụkụ ihe ize ndụ" sitere na ihe nlere anya ụgbọ ala, "atụmatụ ihe nkesa kwa afọ" site na nchikota adreesị-atụmatụ. Ihe dị mma na-ebu mgbaàmà siri ike karịa data raw na-abawanye ma izi ezi na nkọwa nke ihe nlereanya ahụ.
A na-ejikarị usoro atọ eme ihe n'ọrụ mmemme. Ejikọ: ikewa mgbanwe na-aga n'ihu (afọ) n'ime otu bara uru; nke a na-ejide mmekọrịta na-abụghị nke ahịrị ma mee ka tarifu ahụ nwee ike ịgụ. Ndozi: ịtụgharị mgbanwe categorical (mpaghara) ka ọ bụrụ ọnụọgụ ọnụọgụ dabara adaba maka ihe nlereanya; Koodu dabere n'ihe egwu (na-anọchi anya otu ọ bụla nwere ọnụego mmebi nke ya) bụ ihe a na-ahụkarị mana ekwesịrị iji nlezianya mee ya. Normalisation: na-eme ka ihe ọ bụla tụnyere site n'ikewa ya site na ikpughe ya. AI ngwa ngwa na-emepụta koodu maka mgbanwe ndị a; Mana ị ga-akwadorịrị mgbagha nke mgbanwe ọ bụla.
NDỤMỌDỤ: Ndozigharị ebumnuche dị ike mana ọ na-enwekarị ike ịwepu data: ihe nlereanya "na-aghọ aghụghọ" ma ọ bụrụ na ị gụnyere mmebi nke ahịrị mgbe ị na-agbakọ nkezi mmebi nke otu. Na-eme nke a mgbe niile n'ime data ọzụzụ, n'ụkpụrụ nkwenye.
Ihe egwu kachasị njọ: mwepu data na enweghị isi
Mwepu data bụ iwebata ozi n'ime ihe nlereanya na-adịghị adị n'ezie n'oge amụma. Ọmụmaatụ Omuma: iwebata mgbanwe nwere nsonaazụ ya, dị ka “ụgwọ a kwụrụ,” n'ime ihe atụ na-ebu amụma ego nzọrọ. Ihe nlereanya ahụ na-ele anya nke ọma na data nyocha mana ọ baghị uru na ụwa n'ezie n'ihi na ozi ahụ adịghị n'oge amụma. A na-ezobekarị leakage ma na-ejide ya naanị site na iji nlezianya eme ihe - AI anaghị achọpụta, mgbe ụfọdụ ọbụna na-eto mgbanwe mgbanwe dị ka "onye amụma siri ike."
Ihe ize ndụ nke abụọ dị aghụghọ bụ enweghị echiche doro anya. Ọ bụrụ na data akụkọ ihe mere eme na-anọchi anya otu otu (dịka ọmụmaatụ, mpaghara ajụla ọtụtụ amụma n'akụkọ ihe mere eme), atụmatụ ndị sitere na data ahụ na-ebu echiche ahụ na ihe nlereanya na-emegharị ya n'ọdịnihu. Usoro injinia njiri mara bụ oge kacha dị oke egwu mgbe enwere ike ịmata ma mezie echiche a.
Ịdọ aka ná ntị: Tupu ị na-aṅụrị ọṅụ mgbe mgbanwe "na-eme ka ike amụma dịkwuo mma," jụọ: mgbanwe a ọ dị n'oge amụma, ka ọ na-agụnye ọdịnihu? Nsonaazụ nke na-adị mma nke ukwuu na-abụkarị akara nke ntapu.
Otu esi eji AI na nkwadebe data
1) Nyochaa ogo data:
Ọrụ gị: onye enyemaka ịdịmma data. Ị nwere mkpụrụ akwụkwọ amụma. Ogidi: policy_id, start_date, end_date,age, region, truck_age, premium, claim_count, claim_amount.Nye m a checklist na Python (pandas) code sketch: - Gụọ efu ụkpụrụ site na kọlụm.- Flag enweghị ezi uche ụkpụrụ (na-adịghị mma premium, afọ <16 ma ọ bụ >100) - njedebe site na . mmalite/ngwụsị.EHIchapụla; Naanị kọọ ya ka m nwee ike ikpebi.
2) Mwepụta atụmatụ:
Achọrọ m ị nweta atụmatụ ọhụrụ site na data okporo ụzọ m. Ọ dị: afọ, ụgbọ_age, mpaghara, annual_km, usage_type.- Kedu afọ na otu km (binning) ị na-akwado, gịnị kpatara? - Kedu ka m ga-esi mee nzuzo nzuzo maka 'mpaghara' na-enweghị nkwụsị data? - Tụọ 3 atụmatụ ọhụrụ kwesịrị ịnwale ma dee ihe ziri ezi maka onye ọ bụla. M ga-ekpebi.
3) Nlele ntapu:
Ihe nlere m na-ebu amụma POSSIBILITY nke mmebi na mgbanwe ndị a: afọ, mpaghara, ụgbọ_age, PAID_CLAIM_FLAG, SETTLEMENT_DAYS. Kedu n'ime mgbanwe ndị a na-ebute ihe ize ndụ nke ntapu data? Maka nke ọ bụla, nyochaa ma ọ ga-adị n'oge amụma ahụ. Depụta ndị a na-enyo enyo na ihe kpatara ya.
4) normalization nke ngosi:
Ụfọdụ amụma m na-amalite n'etiti afọ. Kọwaa ma tinye koodu n'izigharị mkpughe iji gbakọọ ugboro ole n'ụzọ ziri ezi: ugboro = mkpokọta mkpesa_count / mkpokọta mkpughe (atụmatụ afọ). Gosi na ihe atụ ka esi gbakọọ mkpughe nke amụma na-amalite n'etiti afọ.
Ngwa ngwa adịghị ike / Ike siri ike
Ngwa ngwa adịghị ike:
Hichaa data ma mee ka ọ dị njikere maka ihe nlereanya.
AI amaghị nke kọlụm nke, iwu azụmahịa, nkọwa mkpughe; Ọ nwere ike ihichapụ na-enweghị isi ma jupụta ma mebie data ahụ.
Mgbasa ozi siri ike:
Ọrụ gị: actuarial data nkwadebe assistant.Data akwụkwọ ọkọwa okwu: policy_id (identity), mmalite/end_date (oge amụma), afọ (atụ anya 16-90), premium (ga-abụ> 0),claim_count (>=0),claim_amount (>=0) .Task:1) Dee ezi uche iwu maka onye ọ bụla kọlụm na REPORT mebiri usoro (Nyefe 3) . 'afọ' (ehichapụ). / nkezi / ụdị dị iche iche) dị na mgbakwunye-mwepu; Hapụ m mkpebi.4) Dọọ aka ná ntị ma ọ bụrụ na e nwere kọlụm nwere ike ibute ihe ize ndụ nke ntanye. M ga-akwado mkpebi ọ bụla.
Obere ikpe atọ
Ikpe 1 - Njehie mkpughe. N'otu pọtụfoliyo, a na-agụ amụma njem dị mkpirikpi (ọnwa 3) dị ka afọ zuru oke, yabụ ugboro ugboro pụtara okpukpu anọ karịa ka ọ dị n'ezie; Ọnụ ego ahụ dara ezighi ezi. Mgbe onye na-eme ihe na-agbakọ mkpughe ahụ dị ka akụkụ dị nta (0.25 amụma-afọ), ekpughere oge dị adị ma mezie tarifu ahụ. AI emepụtara koodu mkpughe akụkụ akụkụ; The actuary nyere nkọwa.
Ikpe 2 - Ngwunye nzuzo. Mgbe onye inyeaka gbakwunyere mgbanwe “oge mmechi faịlụ” na ụdị nke puru omume mmebi, izi ezi mụbara nke ukwuu. Ọ joyụ ahụ dị mkpụmkpụ: mgbanwe a nwere ike mara naanị mgbe mmebi ahụ mechara, nke pụtara na ọ nweghị n'oge amụma. Mgbe ewepụrụ mgbanwe mgbanwe ahụ, ihe nlereanya ahụ belatara ruo n'ọkwa dị adị. O toro AI dị iche iche dị ka "onye amụma dị ike"; Ikpe onye na-eme ihe nkiri jidere ọnyà ahụ.
Ikpe 3 - Ntugharị nke echiche ọjọọ. Otu ụlọ ọrụ nwetara ụkpụrụ “ajụjụ ngwa” sitere na data akụkọ ihe mere eme wee tinye ya n'ụdị ọhụrụ ahụ. Ntụle ahụ gosiri na ọjụjụ ndị gara aga gbakọbara n'ụzọ na-ezighi ezi n'otu agbataobi, nke pụtara na e nwere ajọ mbunobi akụkọ ihe mere eme. E wepụrụ njirimara a na ihe nlereanya ma jiri ihe ngosi ihe ize ndụ ndị ọzọ dochie anya. AI mepụtara nyocha nke na-atụle ngbanwe nke ụkpụrụ na mpaghara; Emere mkpebi ụkpụrụ omume site na actuary na ngalaba nnabata.
Mmejọ ndị nkịtị
- Na-ejuputa ụkpụrụ efu na ihe pụtara n'echeghị echiche. Enweghị onwe ya nwere ike ịbụ ihe ọmụma; Idoju ya na kpuru ìsì na-emepụta ajọ mbunobi.
- Hichapụ ndị na-apụ apụ na-akpaghị aka. Ụfọdụ bụ ezi ihu ikpe; Ihichapụ data na-enweghị ikewapụ ya na njehie na-emebi ozi.
- Ọ bụghị normalize ikpughe. Ịgụ atumatu dị mkpirikpi dị ka afọ zuru ezu na-agbagọ ugboro ole ma na-agbagọ ọnụahịa ahụ.
- Achọpụtaghị mwepu data. Nsonaazụ dị mma na-abụkarị ihe ịrịba ama nke mgbanwe metụtara ọdịnihu; Jụọ ajụjụ ma mgbanwe ọ bụla dị n'oge amụma.
- Na-ewebata nhụsianya doro anya n'ọdịnihu. Ikpe na-ezighị ezi na data akụkọ ihe mere eme nwere ike ịdaba n'ime atụmatụ ewepụtara; Lelee ya na ọkwa njirimara.
Na nchịkọta
Ihe nlere anya n'ezie bụ maka ịkwadebe data; Ọ bụrụ na ntinye emebiela, ihe nrụpụta ahụ na-emebikwa. Nsogbu ndị a na-ahụkarị bụ ụkpụrụ efu, ndị na-apụ apụ, enweghị nkwekọ, na mpịakọta; Ihe dị mkpa dị mkpa na-eme bụ ikpughe normalization. Injinia atụmatụ - ịchịkọta, itinye koodu, ịhazigharị - na-enweta akara siri ike site na data. Ihe egwu kachasị njọ bụ mwepu data na enweghị isi; A na-ejide ha abụọ naanị site n'echiche nkịtị. AI na-eme ka usoro a dị ngwa ngwa: nyocha na-emepụta koodu na ndụmọdụ. Mana ehichapụla ndekọ ọ bụla na-akpaghị aka, hapụ ndị mmadụ ka ha lelee nhịahụ na mkparị, ma kwado mgbanwe ọ bụla.
Ọrụ ngwa
Kwadebe obere ọkọwa okwu data amụma amaghị aha (ogidi 5-7, oke ezi uche dị na nke ọ bụla). Rịọ AI maka (a) ụkpụrụ ezi uche na koodu mkpesa mebiri maka kọlụm ọ bụla, (b) mgbako mkpughe obere, (c) aro maka njirimara ọhụrụ 3 ịnwale. Mgbe ahụ tinye ụma na-agbanwe agbanwe "ọnyà nkwụsị" na ndepụta ahụ (dịka "ụgwọ akwụ ụgwọ") wee nwalee ma AI na-ejide ya dị ka ntanye.
ndetu
- [ ] Atụlela m ihe kpatara tupu ihichapụ ndị na-efu efu na ndị ọzọ?
- [ ] Ekechaala m akụkụ ahụ ma mee ka mkpughe ahụ dị mma?
- [ ] Edela m akwụkwọ ikike maka njirimara ọ bụla ewepụtara ọhụrụ?
- [] Ajụwo m ma mgbanwe ọ bụla nọ n'ezie (nhapu) n'oge amụma?
- [ ] Enwere m nyocha maka enweghị isi na njirimara ewepụtara?
- [] Enweghị m AI na-ehichapụ ndekọ ọ bụla ozugbo wee kwado mkpebi ọ bụla n'onwe m?