首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >利用多变量历史数据预测保险索赔

问利用多变量历史数据预测保险索赔
EN

Stack Overflow用户
提问于 2017-10-29 02:42:49
回答 1查看 368关注 0票数 1

我有一个特定疾病D患者的保险索赔数据。

在被诊断出患有D型疾病后,患者提出了各种治疗要求。对于每个索赔,都有关于诊断索赔发出后的天数、索赔金额以及其他一些分类变量的数据。

使用这些数据,我必须对每个患者在未来12个月内的索赔金额做出预测。

我在时间序列预测方面没有太多经验,因此我不确定如何做。我看过的所有教程都有数据集,其中包含每行数据的日期。

你能推荐使用哪种建模技术以及如何将我的数据放入其中吗?

样本数据图像

​

​

EN

回答 1

Stack Overflow用户

发布于 2017-10-31 17:31:52

既然你想预测每个患者在未来12个月内的索赔金额,我认为最好的选择是泊松回归,而不是时间序列分析。

首先,您的依赖值(y)将是“患者在2个月内提出的索赔”。这里,响应变量是count。

现在,您必须找出哪些因素(独立值x)会影响您的依赖项(y)。

你的一些数据是绝对的。因此,如果你正在应用回归技术,最合适的方法是泊松回归模型。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/46993213

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档