摘要
随着全球保险费总价值持续飙升，突破 5 万亿美元的大关，我们知道其中的大部分费用是可以避免的。例如，仅仅是戒烟并将 BMI 降低几分，就意味着您的保险费可能节省数千美元。在这一应用程序中，我们研究了年龄、吸烟、BMI、性别和地区等因素，确定这些因素会对保险费带来多大的变化。通过使用我们的应用程序，客户可以看到他们选择的生活方式对保险费产生的根本性影响。通过利用人工智能 (AI) 和机器学习，我们可以在几秒钟内预测需要支付多少费用，从而帮助客户了解吸烟会使他们的保险费增加多少。
概览
使用 IBM AutoAI，我们可以根据不同需求构建预测模型所涉及的所有任务自动化。您将看到 AutoAI 如何快速生成优秀的模型，这可以节省您的时间和精力，并有助于更快地制定决策。您可以通过包括年龄、性别、BMI、子女数量、吸烟偏好、区域和费用的数据集创建模型，预测个人支付的健康保险费。
完成本 Code Pattern 后，您将掌握如何：
- 在 IBM Cloud 上快速设置服务以构建模型
- 获取数据并启动 AutoAI 流程
- 使用 AutoAI 构建不同的模型并评估性能
- 选择最佳模型并完成部署
- 通过调用 REST，使用已部署的模型生成预测结果
- 比较使用 AutoAI 和手动构建模型的流程
- 使用前端应用程序可视化已部署的模型
流程
- 用户在 IBM Cloud 上创建 IBM Watson Studio Service。
- 用户创建一个 IBM Cloud Object Storage Service 并将其添加到 Watson Studio。
- 用户将保险费数据文件上传到 Watson Studio。
- 用户创建一个 AutoAI 实例以在 Watson Studio 中预测保险费。
- AutoAI 使用 Watson Machine Learning 创建多个模型，用户部署了性能最佳的模型。
- 用户使用 Flask Web 应用程序连接到已部署的模型并预测保险费。
操作说明
可在 readme 文件中获取详细的操作说明。这些步骤将展示如何：
- 下载数据集。
- 获得代码。
- 浏览数据（可选）。
- 创建 IBM Cloud 服务。
- 创建并运行 AutoAI 实验。
- 部署并测试您的模型。
- 根据您的模型创建一个 Notebook（可选）。
- 运行应用程序。
本文翻译自：Create a machine learning web app to predict your insurance premium cost（2020-06-04）