利用集成学习提升死亡率预测：基于Shapley值的方法

《INTERNATIONAL JOURNAL OF FORECASTING》：Enhancing mortality forecasting with ensemble learning: A shapley-based approach

　　

Giovanna Bimonte|Maria Russolillo|Yang Yang|Han Lin Shang

摘要

在死亡率预测领域，一个公认的见解是：将多个模型的预测结果结合起来可以提高预测的准确性，相比仅依赖单一最佳模型更为有效。本文提出了一种基于Shapley值的新型集成方法，Shapley值是一种用于衡量每个模型对预测结果边际贡献的博弈论工具。我们进一步计算了按年龄划分的SHAP（Shapley Additive Explanations）权重，从而能够捕捉每个模型在各个年龄段的特定贡献。此外，我们还引入了一种阈值机制，用于排除那些贡献微不足道的模型，有效降低了预测的方差。利用24个经合组织国家的数据，我们证明了我们的SHAP集成方法能够提升样本外预测性能，尤其是在较长的预测时段内。通过利用不同死亡率模型的互补优势，并剔除那些预测能力较弱的模型，我们的方法为改进死亡率预测提供了一种稳健且易于解释的解决方案。