Teoretické východiská integrácie štatistických a strojovo-učebných prístupov v modelovaní rizika PZP
Integrácia štatistických prístupov a metód strojového učenia pri modelovaní rizika v povinnom zmluvnom poistení (PZP) predstavuje významný posun v analytickom myslení poisťovní. Kombináciou vysvetliteľných modelov, ako sú GLM, s výkonnými predikčnými algoritmami ML možno získať modely, ktoré sú robu...
Uložené v:
| Hlavný autor: | |
|---|---|
| Ďalší autori: | , , |
| Médium: | Kapitola |
| Jazyk: | Slovak |
| Predmet: | |
| Tagy: |
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
|
| Shrnutí: | Integrácia štatistických prístupov a metód strojového učenia pri modelovaní rizika v povinnom zmluvnom poistení (PZP) predstavuje významný posun v analytickom myslení poisťovní. Kombináciou vysvetliteľných modelov, ako sú GLM, s výkonnými predikčnými algoritmami ML možno získať modely, ktoré sú robustné, výkonné a zároveň transparentné. Systematické mapovanie teoretických východísk spájania oboch paradigiem a navrhnutie metodologického rámca pre ich súčasné využitie v tarifikácii PZP. |
|---|