保险是市场经济对抗风险的有效手段,是国民经济稳中向好发展的强有力支柱。非寿险作为保险中的险种类型之一,是保险公司业务的重要组成部分。索赔准备金作为保险公司负债经营的重大负债,其有效评估方法是保险实务的热点之一。本文针对非寿险索赔准备金评估,实现了基于赔付个体的机器学习模型的搭建与评价,探索了机器学习方法在非寿险准备金评估中的应用前景。围绕非寿险个体索赔准备金评估,本文介绍了研究该问题所必需的保险精算与机器学习相关的背景知识,根据研究现状提出了基于支持向量机(SVM)的个体赔付预测模型,并选取合适来源的数据对该模型进行实证分析。在保险精算知识方面,本文介绍了实务中常用的非寿险准备金评估方法。在机器学习知识方面,本文简述了机器学习技术发展的大背景和文中涉及的若干概念及方法。在以往研究的基础上,本文选用新方法实现了通过分类器预测非寿险个体已报告索赔准备金的赔付次数的统计模型,运用Easy-Ensemble方法对类别分布极其不均衡的数据集进行处理,并选用理论比较成熟的SVM分类器进行集成。为验证该模型,本文选取一组仿真数据进行了实证分析,并对该模型得到的预测结果建立混淆矩阵,基于保险公司准备金计提的稳健性要求,选取召回率作为主要评估指标。实验结果分析表明,本文提出的基于SVM的非寿险个体索赔准备金赔付预测模型在历史信息充足的年份能够同时满足准备金计提的充足性和准确性要求。