Tutoriale

Rezervarea limbajului limbaj-agnostic de programare folosind modele RIDGECV, LIGHGBM, XGBOOST și Extratrees Machine Learning

URMĂREȘTE-NE
16,065FaniÎmi place
1,142CititoriConectați-vă

Această postare demonstrează modul de utilizare a API-ului www.techtonique.net pentru programarea limbajului-agnostic de rezervare folosind modele de învățare automată. Vom folosi setul de date RAA disponibil la https://raw.githubusercontent.com/techtonique/datasets/refs/heads/main/tabular/triangle/raa.csv.

API -ul acceptă diverse modele de învățare automată, inclusiv:

  • Ridgecv
  • Lightgbm
  • Xgboost
  • Extraturi

API -ul se întoarce printre altele, IBNR (suportat, dar nu raportat), împreună cu intervale de încredere, ceea ce face ușor compararea predicțiilor diferitelor modele.

Bine:

  1. Descărcați setul de date RAA
  2. Trimiteți cereri către API pentru fiecare model
  3. Vizualizați și comparați rezultatele

Să începem!

De la https://raw.githubusercontent.com/techtonique/datasets/refs/heads/main/tabular/triangle/raa.csv

!wget https://raw.githubusercontent.com/Techtonique/datasets/refs/heads/main/tabular/triangle/raa.csv

--2025-06-13 19:41:16--  https://raw.githubusercontent.com/Techtonique/datasets/refs/heads/main/tabular/triangle/raa.csv
Resolving raw.githubusercontent.com (raw.githubusercontent.com)... 185.199.108.133, 185.199.109.133, 185.199.110.133, ...
Connecting to raw.githubusercontent.com (raw.githubusercontent.com)|185.199.108.133|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 995 (text/plain)
Saving to: ‘raa.csv.1’

raa.csv.1           100%(===================>)     995  --.-KB/s    in 0s      

2025-06-13 19:41:16 (54.7 MB/s) - ‘raa.csv.1’ saved (995/995)

%load_ext rpy2.ipython

The rpy2.ipython extension is already loaded. To reload it, use:
  %reload_ext rpy2.ipython

Utilizarea RIDGECV ca model de învățare automată
Rețineți că puteți utiliza https://curlconverter.com/ pentru a traduce următoarea solicitare în limbajul dvs. de programare preferat.

Jetoane disponibile gratuit la https://www.techtonique.net/token.

!curl -X POST 
-H "Authorization: Bearer YOUR_TOKEN_HERE" 
-F "file=@./raa.csv;type=text/csv" 
"https://www.techtonique.net/mlreserving?method=RidgeCV" > ridge_ibnr.json

  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  2071  100   893  100  1178    896   1182 --:--:-- --:--:-- --:--:--  2077

Utilizarea LightGBM ca model de învățare automată
Rețineți că puteți utiliza https://curlconverter.com/ pentru a traduce următoarea solicitare în limbajul dvs. de programare preferat.

!curl -X POST 
-H "Authorization: Bearer YOUR_TOKEN_HERE" 
-F "file=@./raa.csv;type=text/csv" 
"https://www.techtonique.net/mlreserving?method=lightgbm" > lightgbm_ibnr.json


  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  2069  100   891  100  1178   1267   1675 --:--:-- --:--:-- --:--:--  2938

Utilizarea XGBOOST ca model de învățare automată
Rețineți că puteți utiliza https://curlconverter.com/ pentru a traduce următoarea solicitare în limbajul dvs. de programare preferat.

!curl -X POST 
-H "Authorization: Bearer YOUR_TOKEN_HERE" 
-F "file=@./raa.csv;type=text/csv" 
"https://www.techtonique.net/mlreserving?method=xgboost" > xgboost_ibnr.json


  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  2010  100   832  100  1178   1123   1591 --:--:-- --:--:-- --:--:--  2712

Utilizarea Extratreesregressor ca model de învățare automată
Rețineți că puteți utiliza https://curlconverter.com/ pentru a traduce următoarea solicitare în limbajul dvs. de programare preferat.

!curl -X POST 
-H "Authorization: Bearer YOUR_TOKEN_HERE" 
-F "file=@./raa.csv;type=text/csv" 
"https://www.techtonique.net/mlreserving?method=ExtraTreesRegressor" > et_ibnr.json


  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  2076  100   898  100  1178   1071   1405 --:--:-- --:--:-- --:--:--  2477

Limbajul de programare utilizat în această postare este R, dar puteți utiliza orice limbaj de programare capabil să citească JSON sau să vorbească direct http (consultați https://curlconverter.com/).


install.packages("jsonlite")
library("jsonlite")

Installing package into ‘/usr/local/lib/R/site-library’
(as ‘lib’ is unspecified)
trying URL 'https://cran.rstudio.com/src/contrib/jsonlite_2.0.0.tar.gz'
Content type 'application/x-gzip' length 1055849 bytes (1.0 MB)
==================================================
downloaded 1.0 MB


The downloaded source packages are in
	‘/tmp/Rtmp4Rnpdc/downloaded_packages’



(ridge_ibnr <- fromJSON("./ridge_ibnr.json"))
(lightgbm_ibnr <- fromJSON("./lightgbm_ibnr.json"))
(xgboost_ibnr <- fromJSON("./xgboost_ibnr.json"))
(et_ibnr <- fromJSON("./et_ibnr.json"))

$Origin
 (1) 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990

$Ultimate
 (1) 17079.00 21189.25 26681.43 28958.43 35834.39 23260.73 21003.31 24944.61
 (9) 14434.00 15609.66

$IBNR
(1)   412.2454  1043.4278  1646.4278  2273.3870  3989.7307  5783.3109  7587.6089
(8)  9910.0009 15609.6626

$`IBNR 95%`
(1)  1163.717  2944.499  4645.851  6414.730 11253.996 16310.950 21398.112
(8) 27945.501 44013.410

$`Ultimate Lo95`
 (1) 17079.000 20922.619 26006.919 27894.220 34365.021 20683.340 17268.063
 (8) 20044.589  8034.937  5531.906

$`Mean Ultimate`
(1) 228994.8

$`Mean IBNR`
(1) 48255.8

$`Total IBNR 95%`
(1) 136090.8



plot_ibnr <- function(ibnr_data, ml_model="")
{
  # Remove the first origin year
origin_years <- ibnr_data$Origin(-1)

# Extract IBNR (mean) and remove the first value
(ibnr_mean <- ibnr_data$IBNR)

# Extract IBNR 95% upper bound and remove the first value
(ibnr_upper <- ibnr_data$`IBNR 95%`)  # assuming ((3)) is "IBNR 95%"

# Plotting - initialize empty plot with correct dimensions
plot(origin_years, ibnr_upper, type = "l",
     ylim = c(min(ibnr_mean), max(ibnr_upper)),
     col="red", lwd=2,
     xlab = "Origin Year", ylab = "IBNR",
     main = paste0("IBNR - Mean and Upper 95% Bound n for", ml_model))
# Draw shaded area between mean and upper bound
polygon(x = c(origin_years, rev(origin_years)),
        y = c(ibnr_mean, rev(ibnr_upper)),
        col = rgb(0, 0, 1, 0.2), border = NA)
# Add mean IBNR line
lines(origin_years, ibnr_mean, col = "blue", lwd = 2)
# Optional: add grid
grid()
# Optional: add legend
legend("topleft", legend = c("Mean IBNR", "Upper 95%"),
       col = c("blue", "red"),
       lty = 1, pch = c(NA, NA), lwd = 2)
}



par(mfrow=c(2, 2))
plot_ibnr(ridge_ibnr, ml_model="Ridge")
plot_ibnr(lightgbm_ibnr, ml_model="LightGBM")
plot_ibnr(xgboost_ibnr, ml_model="XGBoost")
plot_ibnr(et_ibnr, ml_model="ExtraTrees")

Image-titlu-here

Dominic Botezariu
Dominic Botezariuhttps://www.noobz.ro/
Creator de site și redactor-șef.

Cele mai noi știri

Articolul precedent
Care este distanța ideală de mers pe jos pe zi pentru a reveni în formă ?
Articolul următor
Configurarea vscode pentru R și instrumente AI generative

Pe același subiect

LĂSAȚI UN MESAJ

Vă rugăm să introduceți comentariul dvs.!
Introduceți aici numele dvs.

Articole apreciate

Cele mai noi articole

© Copyright - Noobz.ro