Dataset之AllstateClaimsSeverity：AllstateClaimsSeverity数据集(Kaggle2016竞赛)的简介、下载、案例应用之详细攻略

Dataset之AllstateClaimsSeverity：AllstateClaimsSeverity数据集(Kaggle2016竞赛)的简介、下载、案例应用之详细攻略

 

 

 

目录

AllstateClaimsSeverity数据集(Kaggle2016竞赛)的简介

AllstateClaimsSeverity数据集(Kaggle2016竞赛)的下载

AllstateClaimsSeverity数据集(Kaggle2016竞赛)的案例应用

---

 

 

 

 

AllstateClaimsSeverity数据集(Kaggle2016竞赛)的简介

        世界上车祸每时每秒都有发生，假如某人被一场严重的车祸摧毁时，该人的注意力集中在最重要的事情上：家人、朋友和其他亲人。和保险代理人一起写论文是你最不想花时间或精力的地方。这就是为什么美国个人保险公司好事达（Allstate）不断寻求新的想法，以改善他们为1600多万家庭提供的理赔服务。
        Allstate目前正在开发自动预测索赔成本的方法，从而预测索赔的严重性。在这次招聘挑战中，Kaggers被邀请展示他们的创造力，并通过创建一个精确预测索赔严重性的算法来调整他们的技术能力。有抱负的竞争对手将展示对预测索赔严重性的更好方法的洞察力，从而有机会成为好事达确保无忧客户体验的一部分。

官网：https://www.kaggle.com/c/allstate-claims-severity/overview
 

1、竞赛得分的评估
       提交资料是根据预测损失和实际损失之间的平均绝对误差（MAE）进行评估的。

 

2、数据集简介

         此数据集中的每一行表示保险索赔。必须预测“损失”列的值。以“cat”开头的变量是分类变量，而以“cont”开头的变量是连续变量。
         文件说明：

• train.csv    -训练集
• test.csv     -测试集。必须预测此文件中ID的损失值。
• sample_submission.csv      -正确格式的示例提交文件

 

 

AllstateClaimsSeverity数据集(Kaggle2016竞赛)的下载

如有需要资料，可留言向博主索取！

 

AllstateClaimsSeverity数据集(Kaggle2016竞赛)的案例应用

 

ML之FE：利用FE特征工程(分析两两数值型特征之间的相关性)对AllstateClaimsSeverity(Kaggle2016竞赛)数据集实现索赔成本值的回归预测