AncomWiki

AXA의 머신러닝 기반 보험 가격 최적화 사례

Properties1
description글로벌 보험사 AXA는 Google Cloud의 TensorFlow를 활용하여 대규모 교통사고 손실 사건을 예측하는 POC를 진행했다. 기존 Random Forest 알고리즘(정확도 <40%) 대비 딥러닝 모델(정확도 78%)을 적용함으로써 가격 책정 최적화 및 실시간 보험 서비스 도입의 가능성을 확인했다. 모델은 약 70개의 고객/차량 특성 벡터를 입력받아 3층 히든 레이어 신경망으로 학습되었으며, 하이퍼파라미터 튜닝을 통…

10 min read

AXA의 머신러닝 기반 보험 가격 최적화 사례

Source

  • Evernote/Inbox/번역 Using machine learning for insurance pricing optimization hjpco.md

Summary

글로벌 보험사 AXA는 Google Cloud의 TensorFlow를 활용하여 대규모 교통사고 손실 사건을 예측하는 POC를 진행했다. 기존 Random Forest 알고리즘(정확도 <40%) 대비 딥러닝 모델(정확도 78%)을 적용함으로써 가격 책정 최적화 및 실시간 보험 서비스 도입의 가능성을 확인했다. 모델은 약 70개의 고객/차량 특성 벡터를 입력받아 3층 히든 레이어 신경망으로 학습되었으며, 하이퍼파라미터 튜닝을 통해 성능을 개선했다.

Key Points

  • AXA는 연간 1% 미만이지만 손실이 큰 교통사고 사건 예측을 위해 머신러닝을 도입했다.
  • 전통적 Random Forest 대비 TensorFlow 기반 딥러닝 모델이 정확도를 40% 미만에서 78%로 크게 향상시켰다.
  • 입력 데이터는 연령, 지역, 보험료, 차량 연식 등 약 70개 특성의 벡터이며, ReLU 활성화 함수를 가진 3층 신경망을 사용했다.
  • Google Cloud ML Engine의 HyperTune 기능을 통해 하이퍼파라미터를 최적화했다.
  • 이 기술은 실시간 가격 책정 및 보험 비용 최적화에 적용될 수 있는 잠재력을 보였다.

그래프 뷰

백링크