Machine Learning modellen zijn aan een opmars bezig binnen het werkveld van verzekeraars. De meeste verzekeraars onderzoeken de mogelijkheden voor de toepassing van deze modellen voor onder andere pricing, fraudedetectie en marketing. Een praktische hindernis bij acceptatie van deze modellen is echter dat veel van de beter presterende modellen lastig te interpreteren zijn. Dit artikel gaat in op een techniek waarmee dit nadeel wordt gemitigeerd, en laat een voorbeeld zien van de toepassing ervan.
