【摘要】：近年來(lái),隨著大數(shù)據(jù)技術(shù)興起,數(shù)據(jù)挖掘技術(shù)已經(jīng)廣泛應(yīng)用到各個(gè)領(lǐng)域,并取得了顯著的應(yīng)用成果,但數(shù)據(jù)挖掘技術(shù)在我國(guó)保險(xiǎn)領(lǐng)域的應(yīng)用還不夠成熟,同時(shí)我國(guó)保險(xiǎn)公司也急需改變傳統(tǒng)營(yíng)銷(xiāo)方式,提升數(shù)據(jù)利用價(jià)值,探索數(shù)字化營(yíng)銷(xiāo)模式,數(shù)據(jù)挖掘技術(shù)能很好地應(yīng)用到該模式中。在這樣的背景下,本文主要研究了數(shù)據(jù)挖掘算法在保險(xiǎn)公司客戶識(shí)別等方面的應(yīng)用,并從家庭角度分析了我國(guó)居民的保險(xiǎn)產(chǎn)品購(gòu)買(mǎi)行為,以此為保險(xiǎn)公司進(jìn)行產(chǎn)品營(yíng)銷(xiāo)提供參考。首先本文簡(jiǎn)單介紹了數(shù)據(jù)挖掘理論以及常見(jiàn)的分類(lèi)算法,詳細(xì)介紹了決策樹(shù)和支持向量機(jī)模型;并針對(duì)建模過(guò)程中出現(xiàn)的樣本嚴(yán)重不平衡問(wèn)題,分析了樣本不平衡對(duì)分類(lèi)結(jié)果的影響,簡(jiǎn)單介紹了常見(jiàn)的處理方法,并對(duì)支持向量機(jī)算法進(jìn)行了改進(jìn),利用距離來(lái)調(diào)整每個(gè)樣本的誤分代價(jià),以此解決樣本不平衡問(wèn)題。之后利用2013年中國(guó)綜合社會(huì)調(diào)查數(shù)據(jù)進(jìn)行了實(shí)證分析,建立了各類(lèi)數(shù)據(jù)挖掘模型以及改進(jìn)的支持向量機(jī)模型,并比較了各類(lèi)模型的分類(lèi)準(zhǔn)確率。實(shí)證結(jié)果表明改進(jìn)的支持向量機(jī)模型很好的解決了樣本不平衡問(wèn)題,對(duì)家庭保險(xiǎn)購(gòu)買(mǎi)行為的預(yù)測(cè)較準(zhǔn)確,能有效識(shí)別有價(jià)值客戶,同時(shí)改進(jìn)的支持向量機(jī)模型的分類(lèi)性能優(yōu)于其他常見(jiàn)的數(shù)據(jù)挖掘模型。同時(shí)根據(jù)加入誤分代價(jià)的決策樹(shù)模型建立的分類(lèi)規(guī)則,論文找出了影響我國(guó)家庭是否購(gòu)買(mǎi)保險(xiǎn)產(chǎn)品的主要因素,并為保險(xiǎn)公司進(jìn)行客戶識(shí)別和產(chǎn)品精準(zhǔn)營(yíng)銷(xiāo)提出了建議。
【圖文】：

ii同樣，由于總體重心未知，在實(shí)際應(yīng)用中，，利用訓(xùn)練樣本重心代替 mmii1XX()()12TS X XX X mi211 ΣS m所以樣本ix 到負(fù)例總體重心的距離為() ()2T1 X XΣX X iid為防止距離數(shù)值過(guò)大影響模型求解難度，利用 Sigmoid 函數(shù)將距離值映射到和 1 之間。Sigmoid 函數(shù)表達(dá)式如下 xefx 11Sigmoid 函數(shù)單調(diào)遞增，取值位于 0 和 1 之間，如圖 3-1 所示

表 4-12 自變量的重要性自變量 重要性 標(biāo)準(zhǔn)化的重要性個(gè)人年收入 0.106 100.0%家庭年收入 0.100 94.3%學(xué)歷 0.041 38.7%是否從事金融投資活動(dòng) 0.027 25.0%是否工會(huì)成員 0.007 7.1%是否參與基本醫(yī)療保險(xiǎn) 0.005 5.0%現(xiàn)有房產(chǎn)數(shù)量 0.005 4.6%是否擁有家用汽車(chē) 0.005 4.3%年齡 0.003 2.9%婚姻狀況 0.003 2.9%家庭居住地區(qū)類(lèi)型 0.001 1.0%身體狀況 0.001 0.8%家庭常住人口 0 0%
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 樊英;朱燦;;基于數(shù)據(jù)挖掘的保險(xiǎn)公司客戶細(xì)分研究[J];中國(guó)經(jīng)貿(mào)導(dǎo)刊;2015年35期

2 李斐;楊育;蘇加福;謝建中;陳倩;;協(xié)同產(chǎn)品創(chuàng)新中的創(chuàng)新客戶流失預(yù)測(cè)模型[J];計(jì)算機(jī)集成制造系統(tǒng);2015年01期

3 王書(shū)爽;;基于后修正貝葉斯決策樹(shù)模型的保險(xiǎn)企業(yè)營(yíng)銷(xiāo)決策[J];統(tǒng)計(jì)與決策;2013年14期

4 黃小敏;;影響個(gè)人壽險(xiǎn)需求的因素分析[J];浙江金融;2010年07期

5 鄭艷娟;溫愛(ài)華;;數(shù)據(jù)挖掘在保險(xiǎn)客戶關(guān)系管理中的應(yīng)用[J];中國(guó)商貿(mào);2009年13期

6 鄒鵬;郝媛媛;;客戶價(jià)值細(xì)分的代價(jià)敏感支持向量機(jī)方法[J];計(jì)算機(jī)應(yīng)用研究;2009年01期

7 吳洪興;彭宇;彭喜元;;適用于不平衡樣本數(shù)據(jù)處理的支持向量機(jī)方法[J];電子學(xué)報(bào);2006年S1期

8 張國(guó)政;;客戶關(guān)系管理中基于數(shù)據(jù)挖掘的客戶細(xì)分研究[J];商業(yè)研究;2006年13期

9 鄭恩輝;李平;宋執(zhí)環(huán);;基于支持向量機(jī)的代價(jià)敏感挖掘[J];信息與控制;2006年03期

10 鹿衛(wèi)國(guó),戴亞平,涂序彥,高峰;適用于加權(quán)樣本集處理的加權(quán)支持向量機(jī)方法[J];北京理工大學(xué)學(xué)報(bào);2005年03期

相關(guān)會(huì)議論文 前1條

1 郭海玲;;基于數(shù)據(jù)挖掘的保險(xiǎn)客戶數(shù)據(jù)分析綜述[A];科技研究——2015科技產(chǎn)業(yè)發(fā)展與建設(shè)成就研討會(huì)論文集（上）[C];2015年

相關(guān)博士學(xué)位論文 前1條

1 鄭恩輝;基于支持向量機(jī)的代價(jià)敏感數(shù)據(jù)挖掘研究與應(yīng)用[D];浙江大學(xué);2006年

本文編號(hào)：2541527