فصل دوم پایان نامه داده کاوی در بیمه با عنوان ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی شرکت سهامی بیمه ایران می باشد.

 


 عمده روشهای داده کاوی عبارتند از روشهای توصیف داده ها، روشهای تجزیه و تحلیل وابستگی، روشهای دسته بندی و پیشگویی، روشهای خوشه بندی، روشهای تجزیه و تحلیل نویز. می توان روش های مختلف کاوش داده را در دو گروه روش های پیش بینی و روش های توصیفی طبقه بندی نمود. روش های پیش بینی در متون علمی به عنوان روش های با ناظر  نیزشناخته می شوند. روش های دسته بندی ، رگرسیون  و تشخیص انحراف  از روشهای یادگیری مدل در داده کاوی با ماهیت پیش بینی هستند. در الگوریتم های دسته بندی مجموعه داده اولیه به دو مجموعه داده با عنوان مجموعه داده های آموزشی  و مجموعه داده های آزمایشی  تقسیم می شود که با استفاده از مجموعه داده های آموزشی مدل ساخته می شود و از مجموعه داده های آزمایشی برای اعتبار سنجی و محاسبه دقت مدل ساخته شده استفاده می شود. هررکورد شامل یک مجموعه ویژگی است. 

 

 


یکی از ویژگی ها، ویژگی دسته نامیده می شود و در مرحله آموزش براساس مقادیر سایر ویژگی ها برای مقادیر ویژگی دسته، مدل ساخته می شود. روشهای توصیفی الگوهای قابل توصیفی را پیدا میکنند که روابط حاکم بر داده ها را بدون در نظرگرفتن هرگونه برچسب و یا متغیرخروجی تبیین نمایند. درمتون علمی روشهای توصیفی با نام روشهای بدون ناظر   نیز شناخته می شوند ]صنیعی آباده 1391[. 

 

 

 


عمده پژوهشهایی که درخصوص داده های بیمه ای صورت گرفته کمتر به سمت پیش بینی سود و زیان شرکتهای بیمه بوده است. در موارد مشابه نیزپیش بینی خسارت مشتریان انجام شده که هدف دسته بندی مشتریان بوده است. موضوع این پژوهش اگرچه از نوع همسان با تحقیقات گفته شده است اما در جزئیات بیمه شخص ثالث را پوشش می دهد که درکشور ما یک بیمه اجباری تلقی می شود. همچنین تعداد خصیصه هایی که در صدور یا خسارت این بیمه نامه دخالت دارند نسبت به سایر بیمه های دیگر بیشتر بوده ضمن اینکه  بررسی سود یا زیان بیمه شخص ثالث با استفاده از دانش نوین داده کاوی کارتقریبا جدیدی محسوب می شود. 

 

 

 

 

 

 

 


فهرست مطالب

فصل اول:  مقدمه
1-1    تعریف داده کاوی    4
1-2    تعریف بیمه    4
1-3    هدف پایان نامه    5
1-4    مراحل انجام تحقیق    5
1-5    ساختار پایان نامه    6

 

 


فصل دوم: ادبیات موضوع و تحقیقات پیشین
2-1    داده کاوی و یادگیری ماشین    8
2-2    ابزارها و تکنیک های داده کاوی    9
2-3    روشهای داده کاوی    11
2-3-1    روشهای توصیف داده ها    12
2-3-2    روشهای تجزیه و تحلیل وابستگی     12
2-3-3    روشهای دسته بندی و پیشگویی    12
2-3-4    درخت تصمیم    13
2-3-5    شبکه عصبی    14
2-3-6    استدلال مبتنی بر حافظه    14
2-3-7    ماشین های بردار پشتیبانی    15
2-3-8    روشهای خوشه بندی     16
2-3-9    روش K-Means    16
2-3-10    شبکه کوهنن    16
2-3-11    روش  دو گام    17
2-3-12    روشهای تجزیه و تحلیل نویز    17
2-4    دسته های نامتعادل]صنیعی آباده 1391[.    18
2-4-1    راهکار مبتنی بر معیار    18
2-4-2    راهکار مبتنی بر نمونه برداری    19
2-5    پیشینه تحقیق    20
2-6    خلاصه فصل    23

 

 

 

منابع و مأخذ
    فهرست منابع فارسی    
    فهرست منابع انگلیسی