مریم داوری فرد - دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه علوم و تحقیقات فارس

بیمه به عنوان یکی از یادهای مالی تاثیر گذار در اقتصاد وجامعه ا ست به ابزارهای تحلیل ریسک قدرتمندی دسترسی داشته با شند تا بتوانند ریسک دریافتی را بخوبی مدیریت کنند. صنعت بیمه برا ی تحلیل ریسک وابسته به تجارب خسارتی می باشد. به همین دلیل استفاده از ابزار داده کاوی می تواند در سنجش و پیش بینی ریسک بیمه گذاران، با توجه به این تجارب،بسیار راهگشا بوده و با بکارگیری فرایند داده کاوی، داده ها ی بیمه گذاران قبلی را مبنا یی برای ارز یابی میزان ریسک مشتر یان جدید قرار دهد. پژوهش، بکارگیری الگور یتم های داده کاوی جهت شناسا یی بیمه گذاران از لحاظ ر یسک تحمیلی برای شرکت های بیمه می با شد. بدین منظور ابتدا داده های بیمه گذاران بیمه خودرو را از بانک اطلاعاتی بیمه خودرو کشور، جمع آوری نموده و پس از پالایش داده ها، یک مجموعه دادهایی برای اعمال مدل تشکیل می گردد. برای انجام مدلساز ی داده ها، داده را به دو قسمت داده آزمایشی و آموزش تقسیم نموده و به کمک روش های داده کاوی مانند روشهای مبتنی برBayes Net، Neural Net، C٥،SVM بر روی داده ها اجرا می گردند و نتایج صحت پیش بینی الگوریتم ها با یکدیگر مورد مقایسه قرار می گیرند. در انتها به تحلیل درخت تصمیم می پردازیم.

درخت تصمیم، ماشین بردار پشتیبان، شبکه بیزی، شبکه عصبی