公开(公告)号：CN113919886A

公开(公告)日：2022-01-11

申请号：CN202111332244.6

申请日：2021-11-11

Applicant: 重庆邮电大学

Inventor： 余海燕 ,  刘珂 ,  缪红霞

IPC: G06Q30/02 ,  G06N20/00 ,  G06K9/62 ,  G06Q30/08 ,  G06Q40/02 ,  G06Q40/04

Abstract: 本发明涉及机器学习，具体而言是一种基于夏普利值的数据特征组合定价方法、系统及电子设备，所述方法包括收集卖方提供的特征数据集的特征变量并对其进行预处理；构建基于机器学习的学习模型，从特征分类个变量中选择最优的特征分类个变量；基于幽灵数据实例构造的特征夏普利值估计，以此计算选择的特征变量的边际贡献和平均夏普利值；根据特征变量的边际贡献和平均夏普利值判断特征变量是否能够进行交易，若能够进行交易则；本发明实施，可以提高数据提供方的长期收益最大化，也满足数据买方对数据买方公司的风险评估，减少风险损失。

公开(公告)号：CN114612255A

公开(公告)日：2022-06-10

申请号：CN202210366361.2

申请日：2022-04-08

Applicant: 重庆邮电大学

Inventor： 余海燕 ,  缪红霞 ,  邱航 ,  王利亚

IPC: G06Q40/08 ,  G06Q30/02 ,  G06K9/62 ,  G16H10/60

Abstract: 本发明属于数据处理技术领域，具体涉及一种基于电子病历数据特征选择的保险定价方法，该方法包括：获取用户的电子病历数据；将用户的电子病历数据输入到基于均匀设计的混合采样模型中，得到平衡数据集；将平衡数据集中的数据输入到特征选择模型中，得到最优的特征；根据选取的最优特征采用随机森林算法对用户的患病风险进行预测，得到用户患病风险概率；根据用户患病风险概率进行保险定价；本发明采用HSUD采样模型对用户的电子病历数据中的不平衡数据集进行处理，得到了平衡数据集，提高了数据处理准确度。