ارائه مدلي برای شناسايي عوامل اثرگذار و ضريب تاثیر آنها در سود و زيان بیمه شخص ثالث خودرو شركتهای بیمه بوسیله روشهای داده كاوی مطالعه موردی: شركت سهام 97 ص 

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 استفاده 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 روشهای داده کاوی با استفاده 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.
كلیدواژگان: داده کاوی بیمه شخص ثالث خودرو سود و زیان

فهرست مطالب
عنوان صفحه
فصل اول : مقدمه
1 - 1 تعریف داده کاوی . 3
1 - 2 تعریف بیمه 4
1 - 3 هدف پایان نامه . 4
1 - 4 مراحل انجام تحقیق 4
1 - 5 ساختار پایان نامه . 5
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 روشهای داده کاوی . 9
2 - 3 - 1 روشهای توصیف داده ها 10
2 - 3 - 2 روشهای تجزیه و تحلیل وابستگی . 10
2 - 3 - 3 روشهای دسته بندی و پیشگویی . 10
2 - 3 - 4 درخت تصمیم . 11
2 - 3 - 5 شبکه عصبی . 12
2 - 3 - 6 استدلال مبتنی بر حافظه . 12
2 - 3 - 7 ماشین های بردار پشتیبانی 13
2 - 3 - 8 روشهای خوشه بندی . 13
2 - 3 - 9 روش K-Means . 13
2 - 3 - 10 شبکه کوهنن . 14
2 - 3 - 11 روش دو گام . 14
2 - 3 - 12 روشهای 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
و
2 - 5 پیشینه تحقیق 16
2 - 6 خلاصه فصل . 19
فصل سوم: شرح پژوهش
3-1 انتخاب نرم افزار . 21
3-1-1Rapidminer 21
3-1-2 مقایسه RapidMiner با سایر نرم افزار های مشابه 21
3-2 داده ها . 25
3-2-1 انتخاب داده 25
3-2-2 فیلدهای مجموعه داده صدور 25
3-2-3 کاهش ابعاد 25
3-2-4 فیلدهای مجموعه داده خسارت 29
3-2-5 پاکسازی داده ها . 29
3-2-6 رسیدگی به داده های از دست رفته . 29
3-2-7 کشف داده دور افتاده 30
3-2-8 انبوهش داده . 32
3-2-9 ایجاد ویژگی دسته 32
3-2-10 تبدیل داده . 32
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
3-6 ماتریس درهم ریختگی . 37
3-7 معیار AUC . 38
3-8 روشهای ارزیابی الگوریتم های دسته بندی 39
3-8-1 روش Holdout 39
3 - 8 - 2 روش Random Subsampling . 39
3 - 8 - 3 روش Cross-Validation 40
3 - 8 - 4 روش Bootstrap 40
3-9 الگوریتمهای دسته بندی 41
ز
3 - 9 - 1 الگوریتم KNN 42
3 - 9 - 2 الگوریتم Naïve Bayes 42
3 - 9 - 3 الگوریتم Neural Network 43
3-9-4 الگوریتم SVM خطی . 45
3-9-5 الگوریتم رگرسیون لجستیک . 46
3-9-6 الگوریتم Meta Decision Tree 47
3-9-7 الگوریتم درخت Wj48 . 49
3-9-8 الگوریتم درخت Random forest . 51
3-10 معیارهای ارزیابی الگوریتم های مبتنی بر قانون)کشف قوانین انجمنی( 54
3-10-1 الگوریتم FPgrowth 55
3-10-2 الگوریتم Weka Apriori . 55
3-11 معیارهای ارزیابی الگوریتمهای خوشه بندی . 55
3-12 الگوریتم های خوشه بندی . 57
3-12-1 الگوریتم K-Means . 57
3-12-2 الگوریتم Kohonen . 60
3-12-3 الگوریتم دوگامی . 64
فصل چهارم: ارزيابي و نتیجه گیری
4-1 مقایسه نتایج 69
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 منابع فارسی . 84
فهرست منابع انگلیسی . 85
ح
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
ط
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 شماره 7 78
جدول 4 - 17 : ماتریس آشفتگی قانون شماره 8 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
ي
فهرست شکلها
عنوان صفحه
شکل شماره 3 - 1 : داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی . 33
شکل 3 - 2 : نتایج الگوریتم PCA 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 روشهای 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 نمودار tree الگوریتم Meta Decision Tree 49
شکل 3 - 17 : نمودار radial الگوریتم Meta Decision Tree 49
شکل 3 - 18 :ن مودار AUC ا لگوریتم 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
ك
عنوان صفحه
شکل 3 - 23 : رسیدن درصد خطا به صفر پس از 8 مرتبه . . 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 الگوریتم Means 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 الگوریتم Means 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
شکل 4 - 1 : نمودارنسبت تخفیف عدم خسارت به خسارت . . 75