机器学习案例实战——保险产品推荐
业务背景分析
Ø保险已成为高净值人士的青睐之选，特别是在目前投资机会较少，股市、楼市、实体经济等投资风险较高的情况下，保险业迎来蓬勃发展的春天，大量保险企业纷纷推出各种各样的人寿型、医疗型、投资理财型等产品，竞争十分激烈。
Ø由于保险业务各项条款细则较复杂，且出险认定以及赔付流程较长，传统保险采用代理人制度。但受限于代理人的能力和业绩考核压力等，保险代理人并不能有效地向客户推荐其需要的险种，反而使客户对保险代理人和保险产生抵触心理，影响了企业的品牌信誉。
Ø因此，目前保险行业采用机器学习技术支持，通过对客户过往的保险购买记录进行分析，并以此为依据验证是否需要推荐其他险种，对于分析结果中某一客户购买概率较低的险种，则不再向其推荐。这不仅减少了资源浪费，而且提高了投放精准性，促进了保险公司的业务发展。
数据概况
Ø本案例使用保险公司统计后的数据，以家庭为单位将客户属性、购买保险的种类、金额等数据进行计算。以家庭房产数为例，统计整个家庭中房产的总数量，结果的取值范围为1～10，即最少1套，最多10variable used in lambda
套。不同的属性有不同的取值，其代表的含义也不尽相同。按照数值的类型划分为5个种类，如表所示。
Ø数据包括了86个变量，前43个变量为人口属性，后面的变量为产品购买属性。最后1个字段是目标字段，表示客户是否购买移动房车险，分别取值为0或1。
字段类型字段类型说明
实际数值型家庭房产数量（1～10）、平均房产数量（1～6）
L0客户子类别标签，取值1～41，分别代表高收入、单身青年、中产阶级、丁克等
L1年龄范围，取值1～6，1表示20～29岁，…，6表示70～79岁
L2客户主类别标签，取值1～10，分别代表了功成享受、退休信教、保守家庭等
L3百分比，取值0～10，0表示0%，1表示1%～10%，…，9表示91%～100%
L4金额（欧元），取值0～9，0表示0，1表示1～49，2表示50～99，9表示超过20000
变量取值类型说明
整体流程
Ø保险产品推荐的流程包含的9个步骤如表所示。
步骤编号内容1读取训练集和检验集
2对数据进行去重，并合并训练集和检验集以统计预处理
3填补数据中的缺失值
4选择相对重要的特征，降低数据维度
5对于数据中的类型变量，将其独热编码化
6对于数据中的数值变量，将其规范化
7完成预处理工作，重新切分训练集和检验集
8构造保险预测的逻辑回归模型
9生成模型评估结果
流程步骤说明
数据提取
Ø原始数据集为“balance.xlsx”和“eval.xlsx”。本步骤包括以下2部分。
Ø（1）读取数据。这里将数据的列标题转化为拼音的形式，并对数据进行初步的查看。
Ø（2）将数据重新生成为CSV文件。
import pandas as pd
from pypinyin import lazy_pinyin
train_df = pd.read_excel('data\\balance.xlsx')
ame(lambda x: ' '.join(lazy_pinyin(x)), axis='columns', inplace=True)
valid_df = pd.read_excel('data\\eval.xlsx')
ame(lambda x: ' '.join(lazy_pinyin(x)), axis='columns', inplace=True)
print(train_df.shape)
print(train_df.describe())
_csv("csv\\train.csv", index=0)
_csv("csv\\valid.csv", index=0)
Ø查看控制台输出，部分输出如图所示。可见有1756条数据，共86个特征
维度，每个特征的数值统计也显示在控制台中。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。