6 孟生旺：广义科线性模型—发展与应用.pptVIP

* 模型 参数个数 误差平方和 （SSE） 类 线性回归 11 19.08 0.7274 回归树 11 16.76 0.7606 泊松-逆高斯回归 12 15.08 0.7846 负二项回归 12 14.73 0.7896 泊松回归 11 13.04 0.8138 神经网络（1个神经元） 13 12.30 0.8242 神经网络（2个神经元） 25 5.85 0.9165 神经网络（3个神经元） 37 5.11 0.9270 模型的误差平方和比较 * 费率约束 约束：下述三个类别的预测值落在 [0.01, 0.03]。 风险 类别 保障 类型 汽车 产地 用途和 性别 车龄 地区 索赔频率观察值 索赔频率拟合值 1 综合险 国内 男性个人 2~3年 东马 0.0280 0.0335 2 综合险 国内 商务 2~3年 东马 0.0000 0.0001 3 综合险 国外 女性个人 6年以上 东马 0.0126 0.0123 * 对选定的三个风险类别约束前后的索赔频率预测值 约束：索赔频率的拟合值要落在区间[0.01, 0.03]内 * 对所有风险类别约束前后的索赔频率预测值 约束：索赔频率的拟合值不超过0.05 小结 预测精度：神经网络模型 方便性、实用性、可解释性： 泊松回归 伽马回归 Tweedie回归 Logistic回归，Beta回归 * 谢谢！ *