数据挖掘技术在保单购买预测的应用.pdfVIP

数据挖掘技术在保单购买预测中的应用 1 习勤 米帅军 1 江西 南昌 华东交通大学经济管理学院 330013 摘要 本文在简要介绍保险数据挖掘流程的基础上，针对保单购买预测数据挖掘主 题，重点讨论了如何在保险行业中开展数据挖掘，包括挖掘主题的确立、数据的 准备、指标的筛选、模型的选择以及模型的评估，以便从整体上展示数据挖掘技 术在保险行业中的应用。由于决策树属分类算法，有指标筛选功能，且对数据分 布 型未作假定，因而本文采用决策树C4.5 对保单购买预测进行数据挖掘。 键词：数据挖掘、保单购买、决策树、指标筛选 1. 引言 相对国外发达的数据挖掘技术与数据挖掘技术的大规模应用，国内对数据挖 掘技术，尤其是保险数据挖掘的研究相对落后。目前的国内保险企业更多是注重 业务应用软件的开发与数据仓库的建立，主要以各类统计报表分析为主，没有充 分地利用先进的数据挖掘技术从TB 级业务数据库中发现有价值的管理决策信 息。因此，本文试图以保单购买预测这一数据挖掘主题，探讨如何在保险行业中 开展数据挖掘。本文首先介绍保险数据挖掘的一般流程，然后针对保单购买预测 这一数据挖掘主题，采用决策树进行数据挖掘应用分析。 2. 保险数据挖掘流程分析 根据数据挖掘的基本流程与软件工程的一般规律，保险数据挖掘流程一般可 分为以下几步： （1）确定数据挖掘主题。挖掘主题的选择源于保险企业的经营管理，一般 根据保险企业的需求与存在的问题而定，有管理效率方面也有市场竞争方面。在 确定主题时一般应考虑到企业管理和企业信息化水平、挖掘技术团队构成、数据 的可获得性以及是否建立了数据仓库等。 （2 ）影响因素分析，即指标筛选。指标筛选的首要考虑因素是与主题的密 切相关程度，同时也应根据模型选择要求对指标进行相应的概化。如关于地址信 息中的街道与门牌号对是否购买某一险种并无多大意义，但是如果对地址信息指 标概化到社区一级，就有可能发现这一居住区的居民或企业对某险种有某种倾向 PDF created with pdfFactory Pro trial version 性偏好。最后指标的选取还应考虑到数据的可获得性以及数据处理加工的成本。 （3 ）数据挖掘模型的建立。数据挖掘应用一般有以下三 ，聚 、分类与 关联规则。常用的聚 方法有系统聚 ，K －均值聚 ，K －最近中心聚 ，基 于网格法，基于密度法，基于神经网络聚 等。常用的分类方法有决策树分 ， 神经网络分 ，贝叶斯网络分 ，模糊集分析，遗传算法分 等。没有一种方法 是完美无缺，每种方法都有其相应的应用条件，不能一概而论，某种方法的优劣 取决于所应用的数据结构与数据集。如果知道了数据的概率分布，且样本有很强 的代表性，使用基于统计的数据挖掘方法能取得较为精确的结果。如果概率分布 未知，事实上，对于高维数据结构，很难求出相应统计量的概率分布，因而，在 数据挖掘领域较多的是使用基于学习的方法，统计方法只是在显著性证明上有所 应用。 （4 ）挖掘模型的评价。对数据挖掘模型的评价一般集中在三个方面：一是 准确率（对分类而言），二是模型的稳健性，又称模型的泛化能力。就是把挖掘 模型应用于模型训练集以外的数据集，以及存在部分异