文件名称：保险单预测应用
文件大小：1.04MB
文件格式：ZIP
更新时间：2024-03-09 01:11:26
JupyterNotebook
构建和部署机器学习Web应用程序以预测保险费用。 在这个项目中，我们将使用PyCaret训练机器学习管道，并使用Streamlit开源框架创建Web应用程序。 该Web应用程序将成为业务用户使用经过训练的机器学习管道从患者人口统计数据集中生成账单预测的简单界面。 患者账单预测 一家保险公司希望通过在住院时使用人口统计和基本患者健康风险指标更好地预测患者费用来改善现金流量预测。 因此，开发了用于使用患者的人口统计数据预测患者账单的机器学习回归算法。 利用Pycaret（ ）开发模型和管道。 优化的回归模型和最终的梯度提升回归算法，可实现最小误差的预测。 指向jupyter笔记本的链接是 应用开发 现在我们的机器学习管道和模型已经准备就绪，我们将开始构建一个可以生成关于新数据点的预测的前端Web应用程序。 此应用程序将通过csv文件上传支持“在线”和“批量”预测。 利用了Streamlit
【文件预览】：
Insurance-Bill-prediction-App-main
----new.ipynb(548B)
----requirements.txt(42B)
----pipeline.p(5.38MB)
----Untitled.ipynb(55KB)
----Gradient_Boosting.pkl(10.93MB)
----insurance.csv(54KB)
----workflow.png(34KB)
----model_GBR.p(118KB)
----README.md(2KB)
----logs.log(157KB)
----charge_prediction.ipynb(254KB)
----setup.sh(219B)
----fit_model.p(493KB)
----Procfile(40B)
----app.py(3KB)
----hospital.jpg(14KB)