👈فول فایل فور یو ff4u.ir 👉

ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی مطالعه موردی: شرکت سهام

ارتباط با ما

دانلود


ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی مطالعه موردی: شرکت سهام
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.
 کلیدواژگان: داده کاوی ـ بیمه شخص ثالث خودرو ـ سود و زیان
  فهرست مطالب
عنوان صفحه
 فصل اول: مقدمه
1-1تعریف داده کاوی. 3
1-2تعریف بیمه. 4
1-3هدف پایان نامه. 4
1-4مراحل انجام تحقیق. 4
1-5ساختارپایاننامه. 5
 
فصل دوم: ادبیات موضوع و تحقیقات پیشین
2-1داده کاوی و یادگیری ماشین. 7
2-2ابزارهاوتکنیکهایدادهکاوی. 8
2-3روشهایدادهکاوی. 9
2-3-1روشهایتوصیفدادهها. 10
2-3-2روشهایتجزیهوتحلیلوابستگی10
2-3-3روشهایدستهبندیوپیشگویی. 10
2-3-4درختتصمیم. 11
2-3-5شبکهعصبی. 12
2-3-6استدلالمبتنیبرحافظه. 12
2-3-7ماشینهایبردارپشتیبانی. 13
2-3-8روشهایخوشهبندی13
2-3-9روش K-Means13
2-3-10............................................................................................. شبکهکوهنن 14
2-3-11............................................................................................. روش دو گام 14
2-3-12............................................................................................. روشهایتجزیهوتحلیلنویز. 14
2-4دسته های نامتعادل]صنیعی آباده 1391[.. 15
2-4-1راهکار مبتنی بر معیار. 15
2-4-2راهکار مبتنی بر نمونه برداری. 15
2-5پیشینهتحقیق. 16
2-6خلاصه فصل. 19
 
فصل سوم: شرح پژوهش
3-1انتخاب نرم افزار. 21
3-1-1Rapidminer21
3-1-2مقایسه RapidMiner با سایر نرم افزار های مشابه. 21
3-2داده ها. 25
3-2-1انتخاب داده. 25
3-2-2فیلدهای مجموعه داده صدور. 25
3-2-3کاهش ابعاد. 25
3-2-4فیلدهای مجموعه داده خسارت. 29
3-2-5پاکسازی داده ها. 29
3-2-6رسیدگی به داده های از دست رفته. 29
3-2-7کشفدادهدورافتاده. 30
3-2-8انبوهش داده. 32
3-2-9ایجاد 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
3-3نتایج اعمال الگوریتم PCAو الگوریتم های وزن دهی 34
3-4ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگی 36
3-5معیارهای ارزیابی الگوریتمهای دسته بندی. 37
3-6ماتریس درهم ریختگی. 37
3-7معیار AUC. 38
3-8روشهای ارزیابی الگوریتم های دسته بندی. 39
3-8-1روش Holdout39
3-8-2روش Random Subsampling. 39
3-8-3روش Cross-Validation. 40
3-8-4روش Bootstrap. 40
3-9الگوریتمهای دسته بندی. 41
3-9-1الگوریتم KNN.. 42
3-9-2الگوریتم Naïve Bayes42
3-9-3الگوریتم Neural Network. 43
3-9-4الگوریتم SVM خطی. 45
3-9-5الگوریتم رگرسیون لجستیک. 46
3-9-6الگوریتم Meta Decision Tree. 47
3-9-7الگوریتم درخت Wj48. 49
3-9-8الگوریتم درخت Random forest51
3-10معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی). 54
3-10-1............................................................................................. الگوریتم FPgrowth 55
3-10-2............................................................................................. الگوریتم Weka Apriori55
3-11معیارهای ارزیابی الگوریتمهای خوشه بندی. 55
3-12الگوریتم 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: ارزیابی و نتیجه گیری
4-1مقایسه نتایج. 69
4-2الگوریتمهای دسته بندی. 69
4-3الگوریتم های دسته بندی درخت تصمیم. 70
4-4الگوریتم های خوشه بندی. 79
4-5الگوریتم های قواعد تلازمی(مبتنی بر قانون). 81
4-6پیشنهادات به شرکت های بیمه. 81
4-7پیشنهادات جهت ادامه کار. 83
 
منابع و مأخذ
فهرست منابع فارسی. 84
فهرست منابع انگلیسی. 85
 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 خسارت28
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 WekaApriori55
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 ها35
شکل 3-4: نتایج الگوریتم Weighting Deviation در ارزشدهی به ویژگی ها 35
شکل 3-5: نتایج الگوریتم Weighting Correlationدر 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 ارزیابی42
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 NeuralNet44
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 Tree49
شکل 3-17 : نمودارradial الگوریتم Meta Decision Tree.... 49
شکل3-18: نمودارAUCالگوریتم 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 RandomForest53
شکل 3-22 : یک نمونه درخت تولید شده توسط الگوریتم RandomForest53
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 الگوریتمMeansK-..... 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 الگوریتمMeansK-..... 63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen63
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
 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 شرکتبیمه 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 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
  1-2 تعریف بیمه
 بیمه: بيمه عقدي است كه به موجب آن يك طرف تعهد مي كند در ازاء پرداخت وجه يا وجوهي از طرف ديگر در صورت وقوع يا بروز حادثه خسارت وارده بر او را جبران نموده يا وجه معيني بپردازد. متعهد را بيمه گر طرف تعهد را بيمه گذار وجهي را كه بيمه گذار به بيمه گر مي پردازد حق بيمه و آنچه را كه بيمه مي شود موضوع بيمه نامند]ماده یک قانون بیمه مصوب 7/2/1316[.
 1-3 هدف پایان نامه
 در این پژوهش سعی شده است با استفاده از تکنیکهای داده کاوی اقدام به شناسایی فاکتورهای تاثیر گذار در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه نموده و ضریب تاثیر آنها را بررسی نماییم. الگوریتم های استفاده شده در این پژوهش شامل دسته بند ها، خوشه بند ها، درخت های تصمیم و قوانین انجمنی بوده است.

👇 تصادفی👇

بررسی سازه سنتی بادگیرتلگراماصول مدیریت دکتر علی رضائیانبرق خودروفون اسپرت عروس و داماد لایه باز با فرمت psdکتاب شکستن مرزهای عملکرد(حتما ببینید)مقاله علمی مثلثاتتحقیق در مورد آشنايي با مشاورة خانواده (فرمت word و باقابلیت ویرایش)-تعداد صفحات 16 صفحهآموزش تحليل تكنيكال به سبك جان مورفيپاورپوینت شبکه های تحت سخت افزار ها و نرم افزار های سیسکو ( فرمت فایل پاورپوینت ppt با قابلیت ویرایش) تعداد صفحات 27 اسلاید ✅فایل های دیگر✅

#️⃣ برچسب های فایل ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی مطالعه موردی: شرکت سهام

ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی مطالعه موردی: شرکت سهام

دانلود ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی مطالعه موردی: شرکت سهام

خرید اینترنتی ارائه مدلی برای شناسایی عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه بوسیله روشهای داده کاوی مطالعه موردی: شرکت سهام

👇🏞 تصاویر 🏞