طراحی مدل ترکیبی برای طبقه بندی داده های نامتوازن در رشته بیمه شخص ثالث

بخش عمده پورتفوی صنعت بیمه کشور را رشته بیمه شخص ثالث تشکیل داده است. از این رو شناخت رفتار این رشته بیمه ای جهت ارائه خدمات بهتر به مشتریان صنعت بیمه کمک شایانی خواهد نمود. تکنیک های داده کاوی جهت شناخت الگوهای واقعی، کمک شایان توجهی به کشف الگوها و رفتارهای پنهان می کنند که شناخت آنها چالش تصمیم گیرندگان را برای اخذ تصمیمات هوشمندانه مرتفع می سازد. نامتوازن بودن داده های صنعت بیمه باعث ایجاد چالش های بسیاری در تجزیه و تحلیل داده های مربوطه می شود. در این پژوهش، ما به طبقه بندی داده های نامتوازن بیمه شخص ثالث در یک شرکت بیمه معتبر می پردازیم. در این راستا دو روش ترکیبی برای رفع مشکل نامتوازن بودن داده ها براساس ۵ مدل پایه گاوسین بیز، بردارهای پشتیبان، لجستیک رگرسیون، درخت تصمیم، نزدیکترین همسایگی به منظور طبقه بندی موثرتر داده های مربوطه ارائه می شود. نتایج بدست آمده نشان می دهد که مدل های ترکیبی ارائه شده بهتر از سایر الگوریتم های داده کاوی برای داده های مربوطه جواب می دهند و استفاده از درخت تصمیم در تجمیع مدلهای پایه برای ساخت مدل ترکیبی نتایج بهتری نسبت به رای گیری مدل ها ارائه می کند.

کلیدواژه ها:

مدل ترکیبی ، داده های نامتوازن ، داده کاوی ، بیمه شخص ثالث