مقاله یادگیری ماشین برای پیش بینی هزینه قابل توضیح بیمه پزشکی

چکیده

Predictive modeling in healthcare continues to be an active actuarial research topic as more insurance companies aim to maximize the potential of Machine Learning approaches to increase their productivity and efficiency. In this paper, the authors deployed three regression-based ensemble ML models that combine variations of decision trees through Extreme Gradient Boosting, Gradient-boosting Machine, and Random Forest) methods in predicting medical insurance costs. Explainable Artificial Intelligence methods SHapley Additive exPlanations and Individual Conditional Expectation plots were deployed to discover and explain the key determinant factors that influence medical insurance premium prices in the dataset. The dataset used comprised 986 records and is publicly available in the KAGGLE repository. The models were evaluated using four performance evaluation metrics, including R-squared, Mean Absolute Error, Root Mean Squared Error, and Mean Absolute Percentage Error. The results show that all models produced impressive outcomes; however, the XGBoost model achieved a better overall performance although it also expanded more computational resources, while the RF model recorded a lesser prediction error and consumed far fewer computing resources than the XGBoost model. Furthermore, we compared the outcome of both XAi methods in identifying the key determinant features that influenced the PremiumPrices for each model and whereas both XAi methods produced similar outcomes, we found that the ICE plots showed in more detail the interactions between each variable than the SHAP analysis which seemed to be more high-level. It is the aim of the authors that the contributions of this study will help policymakers, insurers, and potential medical insurance buyers in their decision-making process for selecting the right policies that meet their specific needs.

چکیده به فارسی (ترجمه ماشینی)

مدل سازی پیش بینی کننده در مراقبت های بهداشتی همچنان یک موضوع تحقیقاتی فعال فعال است زیرا شرکت های بیمه ای بیشتر با هدف حداکثر رساندن پتانسیل رویکردهای یادگیری ماشین برای افزایش بهره وری و بهره وری خود هستند.در این مقاله ، نویسندگان سه مدل ML مبتنی بر رگرسیون را مستقر کردند که تنوع درختان تصمیم گیری را از طریق تقویت شیب شدید ، دستگاه تقویت شیب و جنگل تصادفی) در پیش بینی هزینه های بیمه پزشکی قرار دادند.روشهای اطلاعاتی مصنوعی قابل توضیح توضیحات افزودنی Shapley و توطئه های انتظار شرطی برای کشف و توضیح عوامل اصلی تعیین کننده تأثیرگذاری بر قیمت حق بیمه پزشکی در مجموعه داده ها مستقر شدند.مجموعه داده های مورد استفاده شامل 986 سوابق است و در مخزن Kaggle در دسترس عموم است.این مدل ها با استفاده از چهار معیار ارزیابی عملکرد ، از جمله R-Squared ، میانگین خطای مطلق ، میانگین خطای مربع و میانگین خطای درصد مطلق مورد بررسی قرار گرفت.نتایج نشان می دهد که همه مدل ها نتایج چشمگیر تولید می کنند.با این حال ، مدل XGBoost عملکرد کلی بهتری را به دست آورد اگرچه منابع محاسباتی بیشتری را نیز گسترش می دهد ، در حالی که مدل RF خطای پیش بینی کمتری را ثبت کرده و منابع محاسباتی بسیار کمتری نسبت به مدل XGBoost مصرف می کند.علاوه بر این ، ما نتیجه هر دو روش XAI را در شناسایی ویژگی های تعیین کننده اصلی که بر پرمیمپریس برای هر مدل تأثیر می گذارد مقایسه کردیم و در حالی که هر دو روش XAI نتایج مشابهی را تولید می کنند ، ما دریافتیم که توطئه های یخ با جزئیات بیشتر تعامل بین هر متغیر را نشان می دهند تا شکلتجزیه و تحلیل که به نظر می رسید سطح بالایی تر است.هدف نویسندگان این است که سهم این مطالعه به سیاست گذاران ، بیمه گذاران و خریداران بالقوه بیمه پزشکی در روند تصمیم گیری خود برای انتخاب سیاست های مناسب که نیازهای خاص آنها را برآورده می کند ، کمک خواهد کرد.