Beyond random forest: Advanced ensemble and hybrid models for insurance purchase prediction with interpretability requirements

Bu çalışma, insanların sigorta satın alıp almayacağını tahmin etmek için makine öğrenmesi modelleri geliştirmeye odaklanmaktadır. Sigorta şirketlerinin düzenleyici gereklilikleri karşılamak için karar verme süreçlerini açıklayabilmesi gerektiğinden, hem yüksek doğrulukta tahminler yapabilen hem de anlaşılması kolay olan gelişmiş topluluk (ensemble) modelleri geliştirilmiş ve test edilmiştir. 53.503 müşteri kaydından oluşan bir veri kümesi kullanılarak, kapsamlı bir veri hazırlama süreciyle 20 ham özellik 100 adet türetilmiş değişkene dönüştürülmüş; böylece zamansal, davranışsal ve kategorik örüntüler yakalanmıştır. Sınıf dengesizliği, modelin adil bir şekilde öğrenmesini sağlamak amacıyla Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) kullanılarak giderilmiştir. Random Forest, Destek Vektör Makineleri (SVM), LightGBM, Grafik Sinir Ağları (GNN'ler) ve hibrit tasarımlar içeren modeller karşılaştırılmış; Random Forest ve LightGBM neredeyse kusursuz performans sergilemiştir (sırasıyla F1-skoru: 1.0000 ve 0.9999). k-NN benzerlik grafiği aracılığıyla entegre edilen GNN'ler ölçeklenebilirlik göstermiş, ancak özgün özelliklerin yeterliliği nedeniyle sınırlı performans artışları sağlamıştır. Yorumlanabilirlik bu araştırmanın temel odak noktalarından biri olduğundan, SHAP ve LIME yöntemleri kullanılmış ve bu analizler "Days_Since_Purchase" ve "Purchase_Year" gibi zamansal özelliklerin başlıca katkı sağlayan faktörler olduğunu ortaya koymuştur. Ayrıca, Optuna kullanılarak çok amaçlı optimizasyon ile Pareto-optimal bir yapı elde edilmiştir (ROC-AUC: 1.0, F1-skoru: 0.9896, sadakat: 0.9843, seyreklik: 3.0) ve bu yapı katı düzenleyici gereklilikleri (GDPR, NAIC) karşılamaktadır. 1.000 müşteri üzerinde gerçekleştirilen bir vaka çalışması, yüksek performanslı LightGBM+GNN (ROC-AUC: 0.6211) ile yorumlanabilir Karar Ağaçları (ROC-AUC: 0.5380) arasındaki ödünleşimi göstermiş; paydaş geri bildirimleri şeffaflığı tercih etmiştir. Çalışma, müşteri segmentasyonu için zamansal ve parasal özelliklerin önceliklendirilmesini ve daha gürültülü veri kümelerinde tahmin gücünü artırmak amacıyla zamanla evrilen GNN mimarilerinin ve alternatif grafik kurulumlarının gelecekteki araştırmalarda incelenmesini önermektedir. Bu çerçeve, sigorta analitiği için ölçeklenebilir ve yorumlanabilir bir çözüm sunmakta; hedefli pazarlamayı ve mevzuata uyumu desteklemektedir.