本书系统地探讨了机器学习算法在保险精算中的应用，重点围绕保险损失预测与定价模型的构建展开。第1章介绍了机器学习基础，涵盖参数模型、深度学习、非参数模型及模型评估方法，为后续章节奠定理论基础。第2章深入分析了保险损失预测建模，包括索赔频率、索赔强度、频率-强度相依性建模以及Tweedie回归模型的应用，结合案例展示了不同模型的优劣。第3章提出了含有潜变量的加性树模型，并介绍了IRGB算法及其在混合专家模型、零膨胀泊松回归等场景中的应用。第4章探讨了基于赔案文本的索赔金额预测，介绍了损失Dirichlet多项式混合模型及其参数估计方法。第5章聚焦车险定价，结合车联网数据，分析了驾驶行为风险评分及其在索赔频率预测中的应用。