Noureddine Meraihi, MSc.
UQAM
Direction de recherche:
- Jean-Philippe Boucher, professeur au Département de mathématiques de l’Université du Québec à Montréal
Mémoire de maitrise:
Meraihi, Noureddine (2019), «Modélisation de la fréquence des sinistres sur les données télématiques par le modèle GBMP», Dir.: Jean-Philippe Boucher, Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en mathématiques.
Les algorithmes d’apprentissage automatique sont de nos jours couramment utilisés dans plusieurs domaines comme outils de prédiction. Toutefois, certains modèles nécessitent une adaptation à la réalité de l’industrie avant de les appliquer. À l’aide de données télématiques, nous intéressons à la modélisation de la fréquence de réclamations par le modèle Gradient Boosting Machine Poisson (GBMP). Nous modifions sa fonction de perte afin de refléter la surdispersion dans les données d’assurance. Pour comprendre les résultats obtenus, nous examinons l’influence marginale des variables explicatives au moyen de graphiques d’importance relative et de diagrammes de dépendance partielle (PDPs). Ensuite, nous utilisons les valeurs SHapley Additive exPlanations (SHAP) afin de sélectionner et segmenter nos variables. Finalement, nous mesurons la performance prédictive de notre modèle à l’aide des règles de scores pour les données de comptage.
Présentations scientifiques
- Variable Selection On Telematic Data Using Shap And Gradient Boosting Machine Algorithm, Actuarial Research Conference (ARC), Indianapolis, USA (IN), 14 août 2019.