创建一个机器学习 Web 应用来预测保险费

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

保险费预测流程图

  1. 用户在 IBM Cloud 上创建 IBM Watson Studio Service。
  2. 用户创建一个 IBM Cloud Object Storage Service 并将其添加到 Watson Studio。
  3. 用户将保险费数据文件上传到 Watson Studio。
  4. 用户创建一个 AutoAI 实例以在 Watson Studio 中预测保险费。
  5. AutoAI 使用 Watson Machine Learning 创建多个模型,用户部署了性能最佳的模型。
  6. 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:

  1. 下载数据集。
  2. 获得代码。
  3. 浏览数据(可选)。
  4. 创建 IBM Cloud 服务。
  5. 创建并运行 AutoAI 实验。
  6. 部署并测试您的模型。
  7. 根据您的模型创建一个 Notebook(可选)。
  8. 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)