Kevinchan

发布于：2021年6月28日

SOA 北美精算师考试 PA 的学习大纲，备考必看。各module的总结。

PA是SOA准精阶段的第七门：Predictive Analysis（预测分析），再加上FAP就完成了准精。

以下会结合PA的module和考试内容一起总结： - Module 1-2 对于R的基础介绍（下载、基础代码，比较基础就不在这过多介绍了） - Module 3 ggplot - Module 4 Describing variables/Missing data/Data design/Univariate data exploration/Bivariate data exploration - Module 5 Data issue/resolutions - Module 6 Genelarized linear model (GLM) /regularization - Module 7 Decision tree/bagging/boosting - Module 8 PCA/K-means clustering - Module 9 Communication

主要是辅助report的撰写，visualization来使得文章更数据化和具有描述性。

主要是density和count的函数，对于单一变量的作图。比如整个数据库中age在每个点的分布。以下图表为举例，Prodcat指产品类型。左图1为不同产品类型的数量累计图形，可用fill=#对柱状图进行染色，左图2、图3不同产品类型的索赔件数（count amount）和索赔额（face amount）,可用weight=#来修改y轴的坐标属性，从单一变量的密度和分布函数变成了两个变量的相关分布图形。

通常为两个变量的相关图形。smooth和line的区别为smooth可用把该趋势线的标准差在图形中变现出来。如下图的阴影部分就是该线条的标准差。LifeExp（生活成本）与gdpPercap（人均gdp）之间的关系，然后不同颜色的点代表不同的continent（洲），可以用color=#来上色。

主要是展示以某一变量为基准（y轴）在不同情形（x轴）的分布，分布主要显示first quantile，中位数，third quantile和偏差点。如以下事例，箱型的上下边分别表示first quantile和third quantile，中位数为箱型图案中间的线，离箱型图案较远处的散点为偏差点。下图表示在不同时点，路上行人的数量差异。

（对于数据格式的整体完善和处理，从而辅助于之后的visualization）

对于将在模型里用到的数据主要分为factor和number（或integer）的形式，而在考试中通常会出现character格式的数据，需要转换成factor，如以下代码表示： 1data$weather18)Module 6 Genelarized linear model (GLM) /regularization

以下为四种常见的所有模型和default link function，用来应对于不同的实际情景，以poisson分布为例，主要应对于预测分析target variable大于零的情形，如街上的行人数量。

既然有了模型，随机而来的就是model selection，用相关的方法来判断模型的好坏。主要方法会有AIC，BIC和Deviance。常见的情形是更小的系数代表更好的模型。在比较系数高低的同时，是用backward selection或者forward selection来进行模型变量的选择。顾名思义，backward selection是逆向选择，模型从完整的模型对变量一个一个消减来观察AIC等系数的变化；forward selection则是正向选择，模型从唯一的截距开始增加变量。

Regularization则是对于过于复杂的模型进行变量削弱和衰减（shrinkage），主要方法为ridge，lasso和elastic net（ridge和lasso的结合）。