發(fā)布時間：2024-04-17 19:12

　　老年癡呆癥嚴重影響老年人生活質(zhì)量,其影響程度也隨著中國老年人口比例提升和預期壽命增加而不斷加深。在此背景下,針對老年癡呆癥的商業(yè)健康險開發(fā)意義重大。本文基于詳實的歷史數(shù)據(jù),利用傳統(tǒng)定價中估計定價因素的廣義線性模型對老年癡呆癥患者住院費用進行估算和預測,同時用隨機森林、LASSO回歸、LightGBM三種機器學習方法進行同樣的估算預測,以期為保險公司開發(fā)產(chǎn)品、豐富保險市場、助力養(yǎng)老提供基礎(chǔ)。對四種方法進行橫向比較的結(jié)果顯示,機器學習方法除了在結(jié)果估算方面具有更大的優(yōu)勢外,還在影響因素的數(shù)量、精準定價以及模型適應方面具有更大的潛力。最終的計算結(jié)果和模型使用的過程方法結(jié)合住院率數(shù)據(jù)可用于具體測算老年癡呆癥醫(yī)療保險費用。

【文章頁數(shù)】：13 頁

【部分圖文】：

圖1研究對象年齡分布圖

表5患者地區(qū)分布統(tǒng)計表地區(qū)病例數(shù)占比地區(qū)病例數(shù)占比華東3141131.00%西南1851318.27%華北1505714.86%西北49184.85%華南1228212.12%不詳6260.62%華中1498814.79%....

圖2隨機森林影響因素大小排序(調(diào)整并發(fā)癥前)

表11機器學習模型擬合結(jié)果RMSER2MAE隨機森林28273.610.2517901.20LASSO回歸32053.120.1418034.15LightGBM28252.470.2717803.41圖3隨機森林影響因素大小排序(調(diào)整并發(fā)癥后)

圖3隨機森林影響因素大小排序(調(diào)整并發(fā)癥后)

圖2隨機森林影響因素大小排序(調(diào)整并發(fā)癥前)(三)模型對比分析

本文編號：3956799