利用覆蓋算法對(duì)人壽保險(xiǎn)客戶進(jìn)行信用評(píng)估.pdf

1、中國(guó)保險(xiǎn)市場(chǎng)蓬勃發(fā)展、蒸蒸日上。它也是全球增長(zhǎng)速度最快的保險(xiǎn)市場(chǎng)之一,但是也應(yīng)該看到,保險(xiǎn)風(fēng)險(xiǎn)投資也不斷的提高。近幾年來(lái)保險(xiǎn)欺詐的手段也是層出不窮,手段也越來(lái)越高明。隨著保險(xiǎn)數(shù)據(jù)量的巨增,從海量的保險(xiǎn)數(shù)據(jù)中挖掘出有關(guān)風(fēng)險(xiǎn)預(yù)測(cè)的模式,利用這個(gè)模式對(duì)客戶是否有欺詐行為的趨勢(shì)進(jìn)行分析,對(duì)客戶信用進(jìn)行評(píng)估成為了可能。這既是規(guī)避保險(xiǎn)投資風(fēng)險(xiǎn)的一種新的措施,也是信息時(shí)代保險(xiǎn)業(yè)的一大挑戰(zhàn)。
　　隨著保險(xiǎn)數(shù)據(jù)量的巨增,在海量的數(shù)據(jù)中進(jìn)行信息挖掘同

2、樣成為可能。人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展,使神經(jīng)網(wǎng)絡(luò)廣泛應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域,然而,傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在著學(xué)習(xí)過(guò)程中收斂速度慢、網(wǎng)絡(luò)性能差、可能存在局部極小值等弊端。本文使用了可以避免這些弊端并具有良好分類功能的覆蓋算法對(duì)人壽保險(xiǎn)客戶進(jìn)行信用評(píng)估,對(duì)客戶的欺詐行為趨勢(shì)預(yù)測(cè)。結(jié)果表明預(yù)測(cè)精度很高,且速度快,取得了很好的效果。論文主要工作如下:
　　(1)依據(jù)保險(xiǎn)的業(yè)務(wù)信息并綜合考慮了各方面的影響因素,分析研究原始數(shù)據(jù)庫(kù)的數(shù)據(jù),經(jīng)過(guò)數(shù)據(jù)處理過(guò)程,

3、對(duì)原始數(shù)據(jù)做出選擇,得到與風(fēng)險(xiǎn)評(píng)估有關(guān)的處理數(shù)據(jù)集,這也是進(jìn)行數(shù)據(jù)挖掘任務(wù)后續(xù)步驟的數(shù)據(jù)基礎(chǔ)。
　　(2)數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘整個(gè)過(guò)程中至關(guān)重要的一步,它決定著以后挖掘的質(zhì)量。本文選擇較為完善的預(yù)處理方法對(duì)保險(xiǎn)客戶信用預(yù)測(cè)的處理數(shù)據(jù)集進(jìn)行了一系列的處理,得到了適合利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行挖掘的數(shù)據(jù)集。此外,還對(duì)傳統(tǒng)的幾種保險(xiǎn)數(shù)據(jù)挖掘方法進(jìn)行了分析,在此基礎(chǔ)上總結(jié)了目前多種保險(xiǎn)數(shù)據(jù)挖掘的優(yōu)缺點(diǎn)。
　　(3)將構(gòu)造性學(xué)習(xí)法應(yīng)用于保險(xiǎn)