بکارگیری روش داده کاوی جهت پیش بینی ریسک در صنعت بیمه عمر با استفاده از الگوریتم های یادگیری تجمیعی

فناوری های کلان داده، روش شرکت های بیمه برای جمع آوری ، پردازش، تحلیل و مد یریت کارآمدتر دادهها را متحول می کند کرده است ، بنابراین در بخش های مختلف صنا یع بیمه مانند ارزیابی ریسک ، تحلیل مشتری ، توسعه محصول، تحلیل بازاریابی ، تحلیل خسارت، تحلیل صدور بیمه ، کشف تقلب و بیمه اتکایی گسترش می یابد؛ در همین راستا هدف پژوهش حاضر نیز بکارگیری روش داده کاوی جهت پیش بینی ریسک در صنعت بیمه عمر با استفاده از الگور یتم های یادگیری تجمیعی ، بوده است . مجموعه داده پژوهش شامل ۱۲۸ ویژگی و ۵۹۳۸۱ سابقه فردی است که ویژگی های مختلف متقاضیان بیمه عمر را توصیف می کند. نتایج این پژوهش به وضوح نشان داد که استفاده از طبقه بندی کنندههای یادگیری ضعیف به صورت موازی می تواند با بهرهبرداری از استقلال متقابل آنها و در نتیجه میانگین گیری نتایج ، کمک قابل توجهی کند. علاوه بر این ، الگوریتم تقو یت گرادیان، مزیتی را نسبت به کلاسه بندی Bagging فراهم می کند، زیرا آنها سعی می کنند خطا را در هر تکرار و به روزرسانی ها با استفاده از گرادیان نزول کاهش دهند. دامنه این تحقیق را می توان با بهینه سازی بیشتر فراپارامترهای مدل های مورد استفاده و با انتخاب موثر ز یر مجموعه و یژگی ها گسترش داد.

کلیدواژه ها:

داده کاوی ، داده های کلان ، پیش بینی ریسک بیمه عمر