AllstateClaimsSeverity数据集(Kaggle2016竞赛)的简介
世界上车祸每时每秒都有发生，假如某人被一场严重的车祸摧毁时，该人的注意力集中在最重要的事情上：家人、朋友和其他亲人。和保险代理人一起写论文是你最不想花时间或精力的地方。这就是为什么美国个人保险公司好事达（Allstate）不断寻求新的想法，以改善他们为1600多万家庭提供的理赔服务。
Allstate目前正在开发自动预测索赔成本的方法，从而预测索赔的严重性。在这次招聘挑战中，Kaggers被邀请展示他们的创造力，并通过创建一个精确预测索赔严重性的算法来调整他们的技术能力。有抱负的竞争对手将展示对预测索赔严重性的更好方法的洞察力，从而有机会成为好事达确保无忧客户体验的一部分。
官网：https://www.kaggle.com/c/allstate-claims-severity/overview
1、竞赛得分的评估
提交资料是根据预测损失和实际损失之间的平均绝对误差（MAE）进行评估的。
2、数据集简介
此数据集中的每一行表示保险索赔。必须预测“损失”列的值。以“cat”开头的变量是分类变量，而以“cont”开头的变量是连续变量。
文件说明：
train.csv -训练集
test.csv -测试集。必须预测此文件中ID的损失值。
sample_submission.csv -正确格式的示例提交文件
AllstateClaimsSeverity数据集(Kaggle2016竞赛)的下载
如有需要资料，可留言向博主索取！
AllstateClaimsSeverity数据集(Kaggle2016竞赛)的案例应用
ML之FE：利用FE特征工程(分析两两数值型特征之间的相关性)对
AllstateClaimsSeverity(Kaggle2016竞赛)数据集实现索赔成本值的回归预测
https://yunyaniu.blog.csdn.net/article/details/91302698
