2025年Mathorcup大数据赛B题思路

数模应用平台https://www.coze.cn/store/project/7548130644564688906

第三个板块这样填写，后续解答基本没啥问题，这道题实现比较简单，可以用这块AI应用水水论文，解答出来的模型和代码有很高的参考价值

第三个板块中前三问分别填写内容：

问题一重点在标注“合理诉求”、“诉求偏高”、“严重超额”标签，本问需要建立两个阈值函数，分别是“合理诉求”与“诉求偏高”和“诉求偏高”与“严重超额”的阈值函数，阈值函数的核心公式选用逻辑归回，不要用过于简单的线性回归，阈值函数输入是“索赔金额”和“实际赔付金额”，输出标注结果。阈值函数中的参数通过智能优化算法进行寻优，约束条件以及目标函数的建立需结合下面的背景“一般来说，“严重超额”的运单占比不会太高（通常小于 3%），“合理诉求”的运单不低于 85%。风险标注结果同时与索赔差额和实际赔付金额有关。实际赔付金额越高，则需要更高的索赔差额才会标注为“诉求偏高”或“严重超额”。对于相似实际赔付金额的运单标注时，分成同一类的运单，其索赔差额应尽可能接近。需要注意的是，一般来说“合理诉求”的运单索赔差额相对密集，“严重超额” 的运单索赔差额相对稀疏，且不同类型的运单索赔差额密集程度之间存在明显差别。”

附件1中最后一列“实际赔付金额”是因变量，其余为自变量，我认为要对指标进行筛选再解决问题二要求，指标有字符型、整数型、浮点型，首先剔除掉中有缺失值的指标，然后通过T检验、F检验、单因素方差分析等计算剩余的自变量指标与因变量的显著影响关系，字符型、整数型、浮点型的指标应当选择的显著性检验方法有所不同，在获得显著影响的指标后，接下来的预测模型可选择几种机器学习算法进行对比，用附件1中的数据进行训练和测试，最后选择效果最好的，然后预测出附件2每行的“实际赔付金额”

问题一得到了分类结果，问题二补充了附件2中每个样本的“实际赔付金额”，本问则是训练分类模型，问题一的分类主要用到了“索赔金额”和“实际赔付金额”，我认为本问还可以再扩充一下变量，可以分析下问题二中找到的显著影响的指标的实际意义，选择性纳入到分类模型的训练中来，接下来就是以分类结果为因变量，“索赔金额”和“实际赔付金额”以及补充指标为自变量，进行训练和误差分析，同样本问也可选择几种机器学习算法进行对比

第二、三板块解答展示