摘要
本申请公开了一种车险保费确定方法、装置、计算机设备及可读存储介质,涉及互联网技术领域,通过使用生成对抗网络捕捉历史驾驶行为中的非线性特征生成更为逼真的样本数据,进而采用样本数据对后续的保费确定模型进行训练,使得模型能够确定出更合理的保费策略。所述方法包括:获取历史理赔数据,在历史理赔数据中读取历史驾驶行为数据;构建样本生成模型,将历史驾驶行为数据输入至样本生成模型,以使样本生成模型生成模拟驾驶行为数据;采用历史驾驶行为数据和模拟驾驶行为数据对初始确定模型进行模型训练,得到目标车险保费确定模型;当接收到待预测驾驶行为数据时,将待预测驾驶行为数据输入至目标车险保费确定模型进行车险保费预测。
技术关键词
定价策略
数据
生成对抗网络
深度强化学习
非线性特征
样本
地理位置特征
ReLU函数
深度神经网络
计算机设备
线性单元
随机噪声
参数
框架
训练集
标记
互联网技术
模块
系统为您推荐了相关专利信息
山茶花
液相
芯片
主成分聚类分析
全基因组关联分析
变压器运行数据
变压器故障预测方法
数字孪生
故障状态信息
交互模型
软件开发管理系统
安全性管理
监控模块
大数据
测试模块
库存控制方法
深度强化学习
需求预测模型
连续动作空间
库存控制系统