与多元的历史数据预测保险理赔

Question

我有这样的保险索赔从一个特定的疾病D.

遭受被诊断患有疾病d后患者的数据，让患者索赔各种治疗。对于每项索赔，都有关于提出诊断索赔后的天数，索赔金额以及一些其他分类变量的数据。

使用这些数据，我必须预测每位患者在未来12个月内将要求多少钱。

我没有太多的时间序列预测经验，所以我不知道该怎么做。我所看到的所有教程都有数据集，每个数据行都有日期。

您能否推荐使用哪种建模技术以及如何使用我的数据？

样本数据的图像

Answer 1

既然你想预测多少你多少每位患者将在未来12个月要求，我认为最好的选择将是一个泊松回归而不是时间序列分析。

首先你的依赖值（y）是“2个月内患者的索赔”。这里，响应变量是count。

现在，你必须弄清楚影响你的依赖（y）的因素是什么（独立值x）。

你的一些数据是分类的。因此，如果您正在应用回归技术，最合适的就是泊松回归模型。