[发明专利]一种基于电子病历数据特征选择的保险定价方法

权利要求书

1.一种基于电子病历数据特征选择的保险定价方法，其特征在于，包括：获取用户的电子病历数据，将获取的电子病历数据输入到保险定价模型中，得到该用户的保险定价结果；采用保险定价模型对用户的电子病历数据进行处理的过程包括：

S1：将用户的电子病历数据输入到基于均匀设计的混合采样模型HSUD中，得到平衡数据集；并采用特征选择模型对平衡数据集中的特征进行选择，得到最优的特征；

S2：根据选取的最优特征采用随机森林机器学习算法进行用户患病风险预测，得到用户患病风险概率；

S3：根据用户患病风险概率进行保险定价。

2.根据权利要求1所述的一种基于电子病历数据特征选择的保险定价方法，其特征在于，采用混合采样模型对用户的不平衡电子病历数据进行特征选择处理的过程包括：

S11：初始化混合采样模型，包括设置过采样参数(P_n,P_m)、采样区域C^s以及采样次数R，采样参数设计点满足其中，Pn表示少样本采样参数，Pm表示多样本采样参数，s表示采样区域的维数；

S12：在采样区域中随机选取R组设计点，组成均匀设计点，即选取的R组设计点均匀的分布在采样区域中；设置一轮采样参数(P_1n,P_1m)；

S13：在均匀设计点中，计算每个均匀设计点的CL₂-偏差准则，并选出最优的均匀设计点；CL₂-偏差准则的计算表达式为：

其中，U^*表示最优的均匀设计点，U_R(R²)表示均匀设计点组，R表示采样次数，U表示选取的均匀设计点；

S14：根据最优的均匀设计点获取少数群体抽样的比例参数M(over)和多数类抽样的比例参数为M(under)；

S15：根据少数群体抽样的比例参数M(over)对不平衡数据集种的数据进行过采样，根据多数类抽样的比例参数为M(under)对不平衡数据集种的数据进行随机欠采样，得到平衡数据集；

S16：将平衡数据集中的特征输入到特征选择模型中进行特征选择，输出特征选择结果以及特征的评价结果AUC值和Risk值；

S17：对不同采样参数的评价结果进行比较，当AUC值最高且Risk值最低时，停止迭代，输出这一轮最优采样参数(P_1n*,P_1m*)；

S18：根据均匀设计原则对第一轮最优采样参数(P_1n*,P_1m*)的附近点设置第二轮采样参数(P_2n,P_2m)，重复步骤S12～S17；

S19：得到新一轮最优采样参数(P_2n*,P_2m*)与评价结果，当所有的不平衡电子病历数据的特征选择完，则输出最优特征。

3.根据权利要求2所述的一种基于电子病历数据特征选择的保险定价方法，其特征在于，采用特征选择模型对平衡数据集中的数据进行特征选择的过程包括：

S161：提取平衡数据集中的特征，并对提取的特征进行筛选，得到初始特征，将所有的初始特征进行集合，得到特征子集；

S162：以特征子集作为搜索起点，采用搜索策略从平衡数据集未选择的特征中选取一个特征，加入到特征子集；

S163：采用评价函数对选取的特征进行评价，若评价结果满足终止条件，则输出特征子集，若不满足终止条件，则返回步骤S32；

S164：将特征子集中的特征输入到机器学习模型中，计算特征子集中每个特征集合的AUC值和Risk值；

S165：各个特征集合根据AUC值和Risk值进行比较，将AUC值和Risk值最低的特征集合作为最优特征。

4.根据权利要求3所述的一种基于电子病历数据特征选择的保险定价方法，其特征在于，对平衡数据集中的特征进行筛选包括提取出平横数据集中与任务相关的特征，将提取出的相关特征进行剔除冗余特征和去噪处理，将去噪后的特征进行集合，得到特征集。