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………………………….

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

2-5 پیشینه تحقیق…………………………… 16

2-6 خلاصه فصل………………………….. 19

فصل سوم: شرح پژوهش

3-1 انتخاب نرم افزار 21………………………….

3-1-1 Rapidminer………………………….

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…………………………..

3-8 روشهای ارزیابی الگوریتم های دسته بندی…………………………… 39

3-8-1 روش Holdout………………………….

3-8-2 روش Random Subsampling…………………………..

3-8-3 روش Cross-Validation…………………………..

3-8-4 روش Bootstrap…………………………..

3-9 الگوریتمهای دسته بندی…………………………… 41

3-9-1 الگوریتم KNN……………………………

3-9-2 الگوریتم Naïve Bayes………………………….

3-9-3 الگوریتم Neural Network…………………………..

3-9-4 الگوریتم SVM خطی…………………………… 45

3-9-5 الگوریتم   رگرسیون لجستیک…………………………… 46

3-9-6 الگوریتم   Meta Decision Tree…………………………..

3-9-7 الگوریتم درخت Wj48…………………………..

3-9-8 الگوریتم درخت Random forest………………………….

3-10 معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی)…… 54

3-10-1 الگوریتم FPgrowth…………………………..

3-10-2 الگوریتم Weka Apriori………………………….

3-11 معیارهای ارزیابی الگوریتمهای خوشه بندی…….. 55

3-12 الگوریتم های خوشه بندی…………………………… 57

3-12-1 الگوریتم K-Means………………………….

3-12-2 الگوریتم Kohonen…………………………..

3-12-3 الگوریتم دوگامی…………………………… 64

فصل چهارم: ارزیابی 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

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 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.

فصل اول

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 روشهای 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.

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 ، 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 روشهای 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 روشهای داده کاوی

6-ارزیابی مدل و الگوهای ایجاد شده جهت تشخیص مفید بودن آنها

7-انتشار دانش استخراج شده به کاربران نهایی

2-1- تعریف بیمه

بیمه: بیمه عقدی است که به موجب آن یک طرف تعهد می کند در ازاء پرداخت وجه یا وجوهی از طرف دیگر در صورت وقوع یا بروز حادثه خسارت وارده بر او را جبران نموده یا وجه معینی بپردازد. متعهد را بیمه گر طرف تعهد را بیمه گذار وجهی را که بیمه گذار به بیمه گر می پردازد حق بیمه و آنچه را که بیمه می شود موضوع بیمه نامند]ماده یک قانون بیمه مصوب 7/2/1316[.

3-1- هدف پایان نامه