381

an optimum method for loss prediction using of data mining algotithm in insurance

كارشناسي ارشد

كامپيوتر

تهران شمال

1393

93/4/2

19

127ص

فرهودي نژاد، اكبر

116-119ص

prediction , insurance , mining algorithm

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. شركت¬هاي 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 شركت¬ها 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 مي-شود، 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 مدل¬هاي 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 روش¬هاي 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.

34875