937پ

An Optimum Method for Loss Prediction Using of Data Mining Algorithm in Insurance

كارشناسي ارشد

كامپيوتر گرايش نرم افزار

دانشگاه پيام نور تهران شمال

1393

149ص.

فرهودي نژاد ، اكبر

125-127

امروزه الگوريتم هاي داده كاوي در زمينه هاي مختلفي كاربرد دارند كه يكي از مهمترين اين كاربردها، مديريت و تحليل ريسك در صنعت بيمه مي باشد. شركتهاي بيمه اي جهت سودآوري بيشتر و موفقيت در برنامه ريزي هاي خود، نياز به پيش بيني ريسك بيمه نامه ها و بيمه گذاران خود دارند. از آنجايي كه حجم داده هاي موجود در اين نوع شركتها بالا مي باشد، از داده كاوي براي كلاسه بندي و پيش بيني و تحليل ريسك استفاده مي كنيم. در اين تحقيق، كلاس هايي با درجه ريسك متفاوت براي داده ها در نظر مي گيريم و چنانچه بيمه گذار و وسيله نقليه اش به كلاسي با درجه ريسك بالا تعلق داشته باشد وقوع خسارت پيش بيني مي شود. قبل از شروع طبقه بندي، به دليل روبرو بودن با داده هاي حجيم و نامتوازن، از تكنيك هايي جهت انتخاب مشخصه ها و تركيب برخي از آنها، كه خود باعث كاهش حجم داده ها ميشود، و حذف مقادير خالي يا مقداردهي به آنها تا حد ممكن و حذف داده هاي پرت استفاده مي كنيم تا كارايي پردازش اصلي تا حد امكان افزايش يابد. سپس به ساخت مدلهاي كلاسه بند با استفاده از الگوريتم گراديان بوستينگ مي-پردازيم و نتايج حاصل شده را تفسير و تحليل كرده و روي نمودار نمايش مي دهيم. گراديان بوستينگ (GB) يك الگوريتم تكراري مي باشد كه توابع پارامتري ساده اي با كارايي ضعيف (خطاي پيش¬بيني بالا) را براي توليد قانون پيش بيني دقيق با يكديگر تركيب مي كند و در مقايسه با ديگر روشهاي يادگيري معمولا دقت قابل مقايسه اي را ايجاد و نتايج قابل تفسيري را ارائه مي كند. بدين ترتيب در اين تحقيق سعي در ارائه روشي بهينه براي پيش بيني خسارت بيمه نامه ها با استفاده از داده كاوي را داريم. و در اين روش بهينه، تئوري GB و كاربرد آن را براي پيش بيني هزينه خسارت تصادفات اتومبيل با استفاده از داده هاي يك شركت بيمه گر ايراني ارائه مي كنيم.

1395/10/12

39518