面向车险用户的智能化换车预测方法与流程

技术特征：
1.一种面向车险用户的智能化换车预测方法，其特征在于，根据历史用户车险保单数据中前后年份保单中投保车辆是否一致来标注用户是否换车以及所更换的车型，筛选用户相关特征集以训练机器学习以及深度学习模型，完成用户是否换车以及是否更换指定车型的精准预测。2.一种实现权利要求1所述方法的面向车险用户的基于机器学习的换车预测系统，其特征在于，包括：数据处理模块、离线训练模块以及在线预测模块，其中：数据处理模块根据用户车险保单信息，进行数据筛选和数据标注处理并输出用户是否换车及更换车型结果，离线训练模块根据用户车险保单及标注信息，进行机器学习模型训练并输出预测模型，在线预测模块根据新的用户保单信息及预测模型，进行用户是否换车以及更换指定车型预测，输出用户是否换车以及是否更换指定车型。3.根据权利要求2所述的面向车险用户的基于机器学习的换车预测系统，其特征是，所述的数据处理模块包括：数据筛选单元和数据标注单元，其中：数据筛选单元从用户车险保单数据中筛选有效样本，根据保单的投保日期、被投保人证件号码字段进行数据清洗，获得同一用户不同年份的保单数据，提取保单数据中投保用户信息、投保车辆信息以及保险信息等相关特征；数据标注单元从筛选出来的同一用户不同年份的保单数据中，根据保单中的投保车辆vin码是否一致，判断用户不同年份投保的车辆是否一致，从而标注用户是否换车以及所更换的车型。4.根据权利要求2所述的面向车险用户的基于机器学习的换车预测系统，其特征是，所述的离线训练模块包括：特征工程单元、模型训练单元，其中：特征工程单元将数据处理模块中提取到的相关特征进行清洗、整理、归一化，通过字符数据数值化的方法将单个用户的保单信息变成一组特征值，并使用xgboost筛选较为重要的特征；模型训练单元将数据划分为训练数据集和测试数据集，使用训练集训练机器学习模型，使用测试集测试模型效果，并将效果最优的模型保存后提供给在线预测模块进行预测。5.根据权利要求2所述的面向车险用户的基于机器学习的换车预测系统，其特征是，所述的在线预测模块包括：特征提取单元、换车预测单元，其中：特征提取单元根据用户导入想要预测的保单信息作为在线预测的最初特征输入，根据离线训练模块中的特征工程单元所使用的方法，提取、筛选相关字段并进行标准化处理；换车预测单元将处理后的特征输入到所对应的训练好的模型，模型输出换车预测结果。

技术总结
一种面向车险用户的智能化换车预测系统及方法，该系统包括：数据处理模块、离线训练模块以及在线预测模块，数据处理模块根据用户车险保单信息，进行数据筛选和数据标注处理并输出用户是否换车及更换车型结果，离线训练模块根据用户车险保单及标注信息，进行机器学习模型训练并输出预测模型，在线预测模块根据新的用户保单信息及预测模型，进行用户是否换车以及更换指定车型预测，输出用户是否换车以及是否更换指定车型。本发明根据历史用户车险保单数据中前后年份保单中投保车辆是否一致来标注用户是否换车以及所更换的车型，筛选用户相关特征集以训练机器学习以及深度学习模型，完成用户是否换车以及是否更换指定车型的精准预测。预测。预测。


技术研发人员：邱卫东 黄征 崔海名 来春蕾 代德发 鲁静文 唐鹏 徐源 李昕朋 陆尔东 徐春雷
受保护的技术使用者：中国太平洋保险（集团）股份有限公司
技术研发日：2021.07.27
技术公布日：2021/10/28