Attraverso l’utilizzo di TensorFlow, l’accuratezza del modello ha raggiunto il 78%, risultato che potrebbe conferire ad AXA un significativo vantaggio per la corretta determinazione dei premi assicurativi
Ogni anno dal 7 al 10% degli assicurati AXA causa un incidente stradale. La stragrande maggioranza di questi incidenti determina danni di lieve entità, con rimborsi nell’ordine delle centinaia o delle migliaia di dollari, ma circa l’1% è rappresentato dai cosiddetti eventi a forte perdita (large-loss case), che determinano rimborsi di importo superiore ai 10 mila dollari. Per la compagnia assicurativa è quindi importante effettuare una valutazione preliminare del rischio associato alle singole polizze, al fine di ottimizzare l’ammontare del premio.
Per raggiungere tale obiettivo, il team di R&S di AXA in Giappone ha sperimentato l’utilizzo del machine learning per predire la probabilità per un assicurato di causare eventi a forte perdita durante il periodo di validità del contratto. Inizialmente, il team ha applicato una tecnica tradizionale di machine learning, nota come Random Forest. Il Random Forest è un diffuso algoritmo che utilizza alberi di decisione multipli per rappresentare in chiave probabilistica le possibili cause di un evento a forte perdita e predire l’evento stesso. Sebbene Random Forest risulti relativamente efficiente per alcune applicazioni, nel problema analizzato dal team AXA si è rivelato poco robusto, predicendo correttamente l’evento soltanto nel 60% dei casi.
L’interesse dei ricercatori si è quindi rivolto alle possibilità offerte da TensorFlow, la piattaforma di Google dedicata al deep lerning, incentrata su reti neurali multilayer. Attraverso l’utilizzo di TensorFlow, l’accuratezza del modello ha raggiunto il 78%, miglioramento che potrebbe conferire ad AXA un significativo vantaggio per la corretta determinazione dei premi assicurativi, oltre alla possibilità di concepire nuove modalità real time di fissazione dei premi stessi.
Fonte: Google Cloud Platform