[统计学论文] 融合AUC-RW算法的XGBoost-LightGBM旅游保险投保预测模型研究 [推广有奖]

1 融合AUC-RW算法的XGBoost-LightGBM旅游保险投保预测模型研究

2 作者信息：王 辰, 肖阳田, 肖鸿民*：西北师范大学，数学与统计学院，甘肃 兰州

3 出处和链接：王辰, 肖阳田, 肖鸿民. 融合AUC-RW算法的XGBoost-LightGBM旅游保险投保预测模型研究[J]. 统计学与应用, 2024, 13(5): 1847-1858. https://doi.org/10.12677/sa.2024.135180

4 摘要：在数字化转型浪潮席卷全球的社会背景下，保险行业正以前所未有的速度向智能化、个性化服务迈进。为了精准捕捉客户需求，并有效提升旅游保险市场的渗透率，保险行业正积极探索运用高级数据分析与机器学习技术来预测客户的投保意愿。为此，我们创新性地提出了基于多模型融合策略的XGBoost-LightGBM预测模型，该模型旨在通过深度挖掘客户数据，为旅游保险产品的精准营销提供科学依据。以Kaggle平台的客户旅游保险投保情况数据集为对象进行预处理，分别构建了XGBoost与LightGBM这两个高效、灵活的梯度提升框架模型，在模型融合阶段使用采样器对模型进行参数优化，创造性地引入了AUC-RW算法确定融合权重，将两个模型的预测结果加权结合作为XGBoost-LightGBM组合模型的预测结果。最后结合准确率、F1值等评价指标，与其他算法模型进行比较分析。结果表明：结合AUC-RW算法的XGBoost-LightGBM模型相较于XGBoost、LightGBM、随机森林(RF)、支持向量机(SVM)更具有优势，预测精度更高。