数据挖掘技术在汽车保险中应用.docxVIP

数据挖掘技术在汽车保险中应用 【摘 要】介绍数据挖掘中的关联规则挖掘技术在汽车 保险中的实际应用，关联规则分析汽车保险中的风险因素与 赔付率之间的关系。得出的关联规则对车险行业的决策和发 展有一定参考指导意义。 【关键词】数据挖掘；关联规则；风险 一 ?数据挖掘及关联规则介绍 数据挖掘(Data Mining, DM)又称数据库中的知识发 现(Knowledge Discover in Database, KDD),是目前 人工智能和数据库领域研究的热点问题，所谓数据挖掘是指 从数据库大量的、不完全的、有噪声的、模糊的、随机的实 际应用数据中，提取隐含在其中的、人们事先不知道的、但 又潜在的有用信息和知识的过程。从商业企业的角度讲数据 挖掘可以描述为：按照企业既定业务目标，对大量的企业数 据进行分析和探索，揭示隐藏的、未知的或验证已知的规律 性，并进一步将其模型化的先进有效的方法。数据挖掘是一 种决策支持过程，它主要基于人工智能、机器学习、模式识 别、统计学、数据库、可视化技术等，高度自动化地分析企 业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮 助决策者调整市场策略，减少风险，做出正确的决策。 关联规则挖掘是数据挖掘中的重要课题和研究方法。最 早是由Agrawal等人提出的，关联规则挖掘可以发现存 在于数据库中的项目或属性间的隐含关系[1] o关联规则的 一般定义如下：1={11, 12,…，Im}是一项目集，D是一事 务数据库，D中的每个事务T都是I的子集即TEI.每个事 务都有一个标识符，称为TID.若A是一项目集，当且仅当 ACT时，我们就说事务T包含了 A。一条关联规则就是形如 A=B的蕴含关系。其中A包含于I, B包含于I且APB为空 集?如果D中包含AUB的比例是s,就称关联规则A=B在D 中的支持度为s,也可以表示为概率P (AUB)；如果D中包 含A的同时也包含B的比例是c,则说关联规则AB的置信度 为c,表示为条件概率P (B|A),就是： s=sup (A=B) =P (AUB) c=conf (A=B) =P (A|B) =sup (AUB) /sup (A) 给定事务集D,挖掘关联规则问题就是发现所有支持度 (sup)和置信度(conf)分别满足最小支持度阈值和最小 置信度阈值的规则。 关联规则挖掘的步骤[2] 找出所有的频繁项集。这些项集出现的频率至少 和预定义的最小支持数一样，即所有满足最小支持度的项集 的集合。 由频繁项集中产生相应的强关联规则。根据定义, 这些规则必须满足最小支持度和最小置信度。即确定规则 A二〉B是否有效，可以令： r=sup (AUB) /sup (A),当且仅当 rmin_conf 时，规 则有意义(其中min_conf为最小置信度)。 解释并输出规则 步骤一是关联规则发现算法设计的核心问题，因为它的 效率高低是算法的关键. 由于Apriori关联规则算法［3］需要产生大量候选项集, 资源消耗巨大，效率低。而FP-Growth关联规则算法只需扫 描一次数据库，对系统资源的消耗较小，效率相对较高。 因此，对于海量数据的保险信息系统，本文选用FP-Growth 算法进行关联规则挖掘. 二.关联规则挖掘在车辆保险中的应用 1?数据准备 数据准备是数据挖掘过程的先决条件，数据质量将直接 影响数据挖掘的效率和准确度以及最终规则的合理有效性。 本文选取某大型保险公司省级公司近8年车险数据库数据进 行挖掘。影响车辆保险的风险主要有驾驶人员、车辆状况、 地理环境、气候条件、社会环境、经营管理等因素，为此研 究这些因素与风险的关系，并结合实际情况和对风险的影响 程度，从中选取的目标数据每条记录中包括年龄、性别、婚 姻状况、驾龄、职业、车重与载货重、车型、车龄、汽车颜 色、使用性质、投保险种、保费保额、汽车贷款标志、购买 价格、多车所有情况、是否连续投保、投保地点、销售渠道、 投保日期、出险日期、赔付率等21个属性进行关联规则的 挖掘整理归纳。 2.数据离散化和去冗余［4］ 利用计算机对数据库的海量数据进行分析挖掘，需要对 连续的数据作离散化工作。年龄、保额、投保出险日期、赔 付率都是连续的数据。为了离散量化，根据情况和计算机编 程计算的需要可将这些数据分为几类。例如，年龄分为al （＜20 岁），a2 （20-25 岁），a3 （25-34 岁），a4 （35-45 岁），a5 0=46岁），将日期按提取数据年份年分为8年，每 年具体日期按月分为12个值。将赔付率划分为［00,］、（0, 10%］、 （10%, 30%］、 （30%, 50%］、 （50%, 70%］、 （70%, 100%］、 （100%, 200%］、（200%, 300%］、（300%, +^］九类。去除由