精算中的提升曲线(Lift Curve)与机器学习中的差别

精算领域中的提升曲线（Lift Curve）本源上来自于机器学习领域，但二者存在一定差别。

（一）机器学习领域中的提升曲线（Lift Curve）

在机器学习（ML）领域，Lift Curve主要用于分类模型，衡量的是，与不利用模型相比，模型的预测能力“变好”了多少，Lift（提升指数）越大，模型的运行效果越好。

Lift 指数的计算公式如下，公式中的符号含义与混淆矩阵（Confusion Matrix）里是一样的。

ML 领域绘制出的 Lift Curve 图像是下面这样的：

（二）精算领域中的提升曲线（Lift Curve）

在精算（ML）领域，Lift Curve 主要用于回归模型，衡量的是，与旧的模型相比，新的模型的预测能力“变好”了多少，Lift（提升指数）越大，模型的运行效果越好。

对各个风险个体在新模型得到的赔付率除以旧模型下的赔付率的相对系数值，从小到大进行排序，然后分为若干等份（通常为10等份），绘制出的 Lift Curve 图像是下面这样的：