دانشگاه شیراز
واحد بین الملل
پایاننامه كارشناسی ارشد
در رشته کامپیوتر – مهندسی نرم افزار
ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روش های داده کاوی مطالعه موردی شرکت سهامی بیمه ایران
استاد راهنما:
دکترغلامحسین دستغیبی فرد
بهمن ماه 1392
(در فایل دانلودی نام نویسنده موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده
بررسی اطلاعات بیمه های اتومبیل نشان داده عواملی چون نوع استفاده خودرو، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، مبلغ حق بیمه، میزان تعهدات بیمه نامه، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه، تاخیردرتمدید بیمه نامه، در سود و زیان شرکت های بیمه تاثیر داشته اند.
هدف این پایان نامه شناخت عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکت های بیمه با بهره گرفتن از روش داده کاوی و سپس انتخاب الگوریتمی که بهترین میزان دقت پیش بینی برای تشخیص این عوامل را داشته اند می باشد.
نتیجه حاصل از این پژوهش نشان می دهد که روش های داده کاوی با بهره گرفتن از الگوریتم های دسته بندی با دقت بالای 91% و الگوریتم های درخت تصمیم با دقت بالای 96% و الگوریتم های خوشه بندی با ایجاد خوشه های قابل قبول قادر به ارائه مدلی برای تشخیص عوامل اثرگذار و تعیین میزان اثر آنها در سود و زیان بیمه نامه شخص ثالث خودرو خواهند بود.
کلیدواژگان: داده کاوی ـ بیمه شخص ثالث خودرو ـ سود و زیان
فهرست مطالب
عنوان صفحه
فصل اول: مقدمه
فصل دوم: ادبیات موضوع و تحقیقات پیشین
2-1 داده کاوی و یادگیری ماشین.. 7
2-2 ابزارها و تکنیک های داده کاوی.. 8
2-3-1 روش های توصیف داده ها 10
2-3-2 روش های تجزیه و تحلیل وابستگی 10
2-3-3 روش های دسته بندی و پیشگویی.. 10
2-3-6 استدلال مبتنی بر حافظه. 12
2-3-7 ماشین های بردار پشتیبانی.. 13
2-3-12 روش های تجزیه و تحلیل نویز. 14
2-4 دسته های نامتعادل]صنیعی آباده 1391[. 15
2-4-1 راهکار مبتنی بر معیار 15
2-4-2 راهکار مبتنی بر نمونه برداری.. 15
فصل سوم: شرح پژوهش
3-1-2 مقایسه RapidMiner با سایر نرم افزار های مشابه. 21
3-2-2 فیلدهای مجموعه داده صدور 25
3-2-4 فیلدهای مجموعه داده خسارت.. 29
3-2-6 رسیدگی به داده های از دست رفته. 29
3-2-11 انتقال داده به محیط داده کاوی.. 32
3-2-12 انواع داده تعیین شده 33
3-2-13 عملیات انتخاب ویژگیهای موثرتر. 34
3-3 نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی.. 34
3-4 ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگی.. 36
3-5 معیارهای ارزیابی الگوریتمهای دسته بندی.. 37
3-8 روش های ارزیابی الگوریتم های دسته بندی.. 39
3-8-2 روش Random Subsampling. 39
3-8-3 روش Cross-Validation. 40
3-9 الگوریتمهای دسته بندی.. 41
3-9-3 الگوریتم Neural Network. 43
3-9-5 الگوریتم رگرسیون لجستیک.. 46
3-9-6 الگوریتم Meta Decision Tree. 47
3-9-8 الگوریتم درخت Random forest 51
3-10 معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی) 54
3-10-2 الگوریتم Weka Apriori 55
3-11 معیارهای ارزیابی الگوریتمهای خوشه بندی.. 55
3-12 الگوریتم های خوشه بندی.. 57
فصل چهارم: ارزیابی و نتیجه گیری
4-2 الگوریتمهای دسته بندی.. 69
4-3 الگوریتم های دسته بندی درخت تصمیم. 70
4-4 الگوریتم های خوشه بندی.. 79
4-5 الگوریتم های قواعد تلازمی(مبتنی بر قانون) 81
4-6 پیشنهادات به شرکت های بیمه. 81
4-7 پیشنهادات جهت ادامه کار 83
منابع و مأخذ
فهرست جدولها
عنوان صفحه
جدول شماره 3-1: نتایج رای گیری استفاده از نرم افزارهای داده کاوی………………………………… 24
جدول شماره 3-2: فیلدهای اولیه داده های صدور…………………………………………………………………….. 26
جدول شماره 3-3: فیلدهای نهایی داده های صدور…………………………………………………………………… 27
جدول شماره 3-4: فیلدهای حذف شده داده های صدور و علت حذف آنها………………………… 28
جدول 3-5: فیلدهای استخراج شده از داده های خسارت……………………………………………………….. 28
جدول 3-6: نتایج نمودار boxplot………………………………………………………………………………………………. 31
جدول 3-7: انواع داده استفاده شده…………………………………………………………………………………………….. 33
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف…………… 37
جدول 3-9: ماتریس در هم ریختگی رکوردهای تخمینی(Predicted Records)…………………… 38
جدول 3-10: قوانین استخراج شده توسط الگوریتم Fpgrowth……………………………………………… 55
جدول 3-11: قوانین استخراج شده توسط الگوریتم Weka Apriori……………………………………….. 55
جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means……………………………………………………………. 57
اجرا برای 9 خوشه در الگوریتم K-Means………………………………………………………………………………….. 60
جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen……………………………………………………………. 64
جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی………………………………………………………………… 69
جدول 4-1: مقایسه الگوریتم های دسته بند………………………………………………………………………………. 70
جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم…………………………………………………….. 70
جدول 4-3: ماتریس آشفتگی قانون شماره 1…………………………………………………………………………….. 71
جدول 4-4: ماتریس آشفتگی قانون شماره 2…………………………………………………………………………….. 72
جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف……………………………………………………………………… 72
جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب……………………………………………………………………….. 72
جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج………………………………………………………………………… 73
عنوان صفحه
جدول 4-8: ماتریس آشفتگی قانون شماره 3 د…………………………………………………………………………. 73
جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه………………………………………………………………………….. 73
جدول 4-10: ماتریس آشفتگی قانون شماره 3 و………………………………………………………………………. 74
جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز………………………………………………………………………. 76
جدول 4-12: ماتریس آشفتگی قانون شماره 4………………………………………………………………………….. 76
جدول 4-13: ماتریس آشفتگی قانون شماره 5………………………………………………………………………….. 77
جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف…………………………………………………………………… 77
جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب…………………………………………………………………….. 78
جدول 4-16: ماتریس آشفتگی قانون شماره7……………………………………………………………………………. 78
جدول 4-17: ماتریس آشفتگی قانون شماره8……………………………………………………………………………. 79
جدول 4-18: مقایسه الگوریتم های خوشه بندی………………………………………………………………………. 79
جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی……………………………………………………. 80
جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori……………………………………………….. 81
فهرست شکلها
عنوان صفحه
شکل شماره3-1: داده از دست رفته فیلد” نوع بیمه ” پس از انتقال به محیط داده کاوی…… 33
شکل 3-2: نتایج الگوریتمPCA …………………………………………………………………………………………………. 34
شکل 3-3: نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها………………………………. 35
شکل 3-4: نتایج الگوریتم Weighting Deviation در ارزشدهی به ویژگی ها………………………. 35
شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها……………………… 36
شکل 3-6: نمای کلی استفاده از روش های ارزیابی……………………………………………………………………… 41
شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی………………………………………… 42
شکل 3-8: نمودار AUC الگوریتم KNN………………………………………………………………………………….. 42
شکل 3-9: نمودار AUC الگوریتم Naïve Bayes…………………………………………………………………….. 43
شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی……………………… 44
شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net……………………………………. 44
شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی……………………. 45
شکل 3-13 : نمودار AUC الگوریتم SVM Linear……………………………………………………………….. 46
شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک………………………………………………………. 47
شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree……………………………………………………. 48
شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree……………………………………… 49
شکل 3-17 : نمودار radial الگوریتم Meta Decision Tree………………………………………………….. 49
شکل 3–18: نمودار AUC الگوریتم Wj48……………………………………………………………………………….. 50
شکل 3-19 : نمودار tree الگوریتم Wj48………………………………………………………………………………… 51
شکل 3-20 : نمودار AUC الگوریتم Random forest…………………………………………………………… 52
شکل 3-21 : نمودار تولید 20 درخت در الگوریتم Random Forest………………………………….. 53
شکل 3-22 : یک نمونه درخت تولید شده توسط الگوریتم Random Forest…………………….. 53
عنوان صفحه
شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه………………………………………………………….. 57
شکل 3-24 : Predictor Importance for K-Means……………………………………………………………… 58
شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
K-Means………………………………………………………………………………………………………………………………………. 59
شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K-…………………………………………………………….. 60
شکل 3-27 : Predictor Importance for Kohonen……………………………………………………………… 61
شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
Kohonen………………………………………………………………………………………………………………………………………. 62
شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K-…………………………………………………………….. 63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen……………………………………………….. 63
شکل 3-31 : Predictor Importance for دوگامی…………………………………………………………………. 64
شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در
الگوریتم دوگامی…………………………………………………………………………………………………………………………….. 65
شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی………………………………………………………………….. 66
شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت…………………………………………………………… 75
مقدمه
شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو روش های جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد.
از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد.
پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006].
عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند.
بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی و کاهش فقر ناشی از مخاطرات »، حائز جایگاه مهمی در پیشرفت و تعالی یک کشور است.
با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد.
امروزه بوسیله روش های داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند.
داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است.
1-1 تعریف داده کاوی
داده کاوی روند کشف قوانین و دانش ناشناخته و مفید از انبوه داده ها و پایگاه داده است[ Liu et. al 2012].
انجام عمل داده کاوی نیز مانند هر عمل دیگری مراحل خاص خود را دارد که به شرح زیر می باشند:
1-جدا سازی داده مفید از داده بیگانه
2-یکپارچه سازی داده های مختلف تحت یک قالب واحد
3-انتخاب داده لازم از میان دیگر داده ها
4- انتقال داده به محیط داده کاوی جهت اکتشاف قوانین
5-ایجاد مدلها و الگوهای مرتبط بوسیله روش های داده کاوی
6-ارزیابی مدل و الگوهای ایجاد شده جهت تشخیص مفید بودن آنها
7-انتشار دانش استخراج شده به کاربران نهایی
تعداد صفحه : 106
قیمت :14700 تومان