信息技术在21世纪取得了蓬勃的发展。其中,互联网及其产业链的崛起首当其冲,并对人类生活方式的转变和传统行业的革新产生了深远的影响,保险行业就是其中之一。但是,互联网保险蓬勃发展的背后,也隐含了一些深层次的亟待解决的问题。互联网保险目前的人工智能技术应用和整体创新还不够充分,大部分的保险公司虽然经营互联网保险业务,但只是将互联网作为网销渠道来看待,互联网保险行业目前仍然处于初级发展阶段。实际上,互联网保险理想的发展状态应当以互联网及移动通信作为媒介支撑,运用人工智能的相关技术,如机器学习、自然语音处理等,为保险产品和业务进行创新服务的一种新型金融服务体系。互联网保险不应该仅仅是保险公司的网销渠道,更应该是通过现代信息技术的运用,使得保险产品更新颖并贴合消费者的个性化需求,保险业务更具效率和规范,保险公司增加产能降低人力成本,保险管理和风险控制更完善的一场“互联网+”的技术革命。本文的研究方向为人工智能的一大分支——机器学习,它在互联网保险中应用的研究分析,本文主要的研究方法分为两块:案例研究和实证分析。案例研究中通过对保骉车险和X公司智能语音中台这两个典型案例的分析,阐述了机器学习在互联网保险行业中已经取得的应用场景,包括索赔预测、保险欺诈预测、核保核赔、保费厘定、市场研究、智能坐席等多个方向,以及这些应用能够给保险公司和客户所带来的价值。实证分析在本文的第四章,它是本文的研究核心。实证分析中选取的实验数据为健康险的数据集,通过python编码的形式,以保险行业关心的索赔概率预测和索赔款项预测作为切入点,详细阐述机器学习实验分析的全过程。首先对实验数据进行清理、特征工程和标准化处理;接着,使用Logistic回归、KNN、朴素贝叶斯、决策树和随机森林这五种分类模型算法,进行索赔概率预测模型的训练、预测和评价分析。使用线性回归、KNN、决策树和随机森林这四种回归模型算法,进行索赔款项预测模型的训练、预测和评价分析。根据评价分析,发现随机森林算法在分类模型和回归模型中的表现优于其他算法;然后,对随机森林算法进行参数调优,在分类模型中,准确率从96%提升到了98.93%,提升幅度达2.93%,在回归模型中,R~2 score从0.8109提升到了0.8441,提升幅度达0.0332;最后,假设索赔概率和索赔款项相互独立,使用调优后的随机森林模型进行纯保费预测和保费厘定,以此来论证机器学习在互联网保险的实际业务中应用的可行性。机器学习算法作为人工智能的一大主要分支,已经在许多领域已经取得了不错的应用效果。机器学习算法也为保险行业的许多业务场景的处理,提供了一种新的方式。机器学习算法,比起保险行业中传统使用的模型,如广义线性模型,它的优点是无需进行分布假设,在一定程度上可以提高保险各项业务指标预测的精度。机器学习算法的缺点是模型训练阶段非常耗时,特征工程与模型调优对使用者的要求很高,整个流程中的人为干预也比较多,且比起传统的广义线性模型,输出结果的可解释性不是很好。机器学习算法和人工智能的其他技术在互联网保险领域具有广阔的应用前景。但是现阶段互联网保险行业的发展还有许多不足之处,比如大部分保险公司较难获取海量的大数据进行机器学习的建模、分析和论证;比如互联网保险风险控制的不成熟等。笔者提出了一些建议,认为机器学习应当更多的应用于互联网保险中,根据特征数据和业务场景选用最适合的机器学习算法,并与传统方法相结合使用。另外,让领头羊的大型保险公司与科技公司展开深度的合作,建立完善的人工智能应用于保险或其他金融业务的解决方案和技术体系,并给整个保险行业乃至金融行业输出赋能是比较可行的方式。