مقایسه الگوریتم های داده کاوی به منظور پیش بینی میزان ریسک بیمه گذاران بیمه خودرو

شرکتهای بیمه به عنوان یکی ازنهادهای مالیتاثیر گذاری در اقتصاد و جامعه لازم است به ابزارهای تحلیل ریسک قدرتمندی دسترسی داشته باشند تا بتوانند ریسک دریافتی را به خوبی مدیریت کنند. صنعت بیمه برای تحلیل ریسک وابسته به تجارب خسارتی می باشد به همین دلیل استفاده از ابزار داده کاوی می توانددر سنجش و پیش بینی ریسک بیمه گذاران با توجه به این تجارب بسیار راهگشا بوده و با بکارگیری فرایند داده کاوی داده های بیمه گذاران قبلی را مبنایی برای ارزیابی میزان ریسک مشتریان جدید قرار دهد. هدف این مقاله بکارگیری الگوریتمهای داده کاوی جهت شناسایی بیمه گذاران از لحاظ ریسک تحمیلی برای شرکتهای بیمه می باشد بدین منظور ابتدا داده های بیمه گذاران بیمه بدنه خودرو را از بانکهای اطلاعاتی بیمه خودرو کشور جمع اوری نموده و پس از پالایش داده ها، یک مجموعه داده نهایی برای اعمال مدل تشکیل می گردد برای انجام مدلسازی داده ها داده ها را به دو دسته داده ازمایش و ازمون تقسیم نموده و به کمک نرم افزار الگوریتم های داده کاوی شامل Logistic R، Bayes Net،Neural NetSVM.C5 برروی داده ها اجرا می گردند و نتایج صحت پیش بینی الگوریتم ها با یکدیگر مورد مقایسه قرار می گیرند.

Keywords:

بیمه خودرو , داده کاوی , ریسک , پیش بینی , الگوریتم های دسته بندی