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...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | , , |
| Format: | Book Chapter |
| Language: | Slovak |
| Subjects: | |
| Tags: |
No Tags, Be the first to tag this record!
|
| Summary: | 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. |
|---|