[發明專利]一種解釋保險核保分類結果的方法、裝置

有效

• 申請號: 202010467745.4
• 申請日: 2020-05-28
• 公開（公告）號: CN111652302B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 韓森堯;喻廬軍;劉巖;王若楠
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06Q40/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 柴燕梅

本發明實施例提供一種解釋保險核保分類結果的方法、裝置，用以解決現有技術中神經網絡模型無法對用戶的保險核保分類結果的原因進行解釋的問題。方法包括：將測試樣本、訓練樣本和擴充樣本帶入預測模型，得到測試樣本的預測值f(xsubgt;test/subgt;)、訓練樣本的預測值f(Xsubgt;expand/subgt;)和擴充樣本的預測值f(Xsubgt;expand/subgt;)；計算每一種分類結果下的所有擴充樣本的平均預測值E(f(Xsubgt;expand/subgt;))、所有訓練樣本的平均預測值E(f(Xsubgt;train/subgt;))；計算每一種分類結果下的E(f(Xsubgt;expand/subgt;))與E(f(Xsubgt;train/subgt;))的殘差Rsubgt;1/subgt;、E(f(Xsubgt;expand/subgt;))與f(xsubgt;test/subgt;)的殘差Rsubgt;2/subgt;；計算每一種分類結果下Rsubgt;1/subgt;和Rsubgt;2/subgt;的向量和R＝(Rsubgt;1/subgt;,Rsubgt;2/subgt;)；將每一種分類結果對應的R＝(Rsubgt;1/subgt;,Rsubgt;2/subgt;)輸入邏輯回歸模型獲得每一種分類結果對應的重要測試項目；基于每一種分類結果對應的重要測試項目輸出每一種分類結果的解釋信息。

技術領域

本申請涉及機器學習領域，特別涉及一種解釋保險核保分類結果的方法、裝置。

背景技術

隨著生活水平的不斷提升，許多人都有了買保險的意識，保險公司根據手機用戶的體檢報告，將體檢報告中各每項測試項目的值輸入對樣本進行保險核保分類的神經網絡模型，可得出該用戶的類型(延期、拒保、標準體和次標體)，但是由于神經網絡模型因其復雜多樣的神經元傳遞，只是輸出分類結果，忽略了其可解釋性，即神經網絡模型無法對用戶的保險核保分類結果的原因進行解釋，用戶體驗度差。

發明內容

本發明實施例提供一種解釋保險核保分類結果的方法、裝置，用以解決現有技術中神經網絡模型無法對用戶的保險核保分類結果的原因進行解釋，導致用戶體驗度差的技術問題。

第一方面，本發明實施例提供一種解釋保險核保分類結果的方法，包括：

將至少一個測試樣本、至少一個訓練樣本和至少兩個擴充樣本帶入預測模型，得到所述至少一個測試樣本中每個測試樣本的預測值f(x_test)、所述至少一個訓練樣本中每個訓練樣本的預測值f(X_expand)和所述至少兩個擴充樣本中每個擴充樣本的預測值f(X_expand)；其中，一個樣本表征一個用戶的體檢數據，所述體檢數據包括多個測試項目以及每個測試項目的值，所述預測值表征每個樣本的保險核保的分類結果，所述預測模型為用于對樣本進行保險核保分類的神經網絡模型，所述訓練樣本為訓練所述神經網絡模型時用的樣本；

計算每一種分類結果下的所有擴充樣本的平均預測值E(f(X_expand))、所有訓練樣本的平均預測值E(f(X_train))；計算所述每一種分類結果下的所述所有擴充樣本的平均預測值E(f(X_expand))和所述所有訓練樣本平均預測值E(f(X_train))的殘差R₁、所述所有擴充樣本的平均預測值E(f(X_expand))和所有測試樣本預測值f(x_test)的殘差R₂；計算所述每一種分類結果下殘差R₁和殘差R₂的向量和R＝(R₁,R₂)；

將所述每一種分類結果對應的向量和R＝(R₁,R₂)輸入邏輯回歸模型進行計算，獲得所述每一種分類結果對應的重要測試項目；

基于所述每一種分類結果對應的重要測試項目輸出所述每一種分類結果的解釋信息。