学位论文 > 优秀研究生学位论文题录展示

数据挖掘在保险客户数据中的应用研究

作　者: 王智平
导　师: 傅铁威
学　校: 昆明理工大学
专　业: 计算机系统结构
关键词: 数据挖掘 WEKA 聚类分析 K-means 决策树 C4.5 Apriori算法保险客户数据
分类号: TP311.13
类　型: 硕士论文
年　份: 2013年
下　载: 24次
引　用: 0次
阅　读: 论文下载

内容摘要

随着当今信息技术在中国的快速发展,企业已经逐渐积累起来了海量数据,如何利用和分析这些数据,成为摆在企业面前的一个难题?此时,数据挖掘的应用则应运而生。现今,数据挖掘在各个方面影响着企业的经营与决策,基于数据挖掘的数据分析工具和平台在企业中的应用也逐渐普及。近几年来,随着国内各保险企业的新产品的不断推出和外资保险公司的进入,我国保险企业面临的市场竞争变得日益激烈,为了降低企业营销成本,提高保险公司客户响应率,解决传统撒网式营销的问题,利用数据挖掘技术来分析保险公司多年来积累的海量数据,挖掘出其内在的信息和商机,从而及时准确的了解和把握市场,提高产品的市场占有率,这对保险企业的发展具有十分重要的意义。本文研究课题是利用数据挖掘的相关算法与数据挖掘分析工具,结合某保险公司的客户数据对其进行分类与关联险种的挖掘,从而发现数据的特征,了解客户的购买行为习惯以及保险险种之间的相关关联。通过对保险客户消费行为的分析,来支持客户群体的定位和组合险种的推销,以便制定有针对性的营销方案,实现依据不同层次的客户采取不同的营销策略。本文详细阐述了数据挖掘技术在保险客户数据分析中的应用,所做的主要工作有：1.分析介绍了本课题的研究背景与当前的研究现状,以及数据挖掘在保险领域的应用。2.介绍了数据挖掘的相关理论技术,并对数据挖掘的相关技术和工具进行了对比与总结性综述。3.对本文采用的数据挖掘相关算法进行了详细介绍,并提出了K-Means的改进算法。4.运用数据挖掘相关的理论技术,结合保险客户数据进行需求分析、数据预处理过程分析,并提出了保险客户数据挖掘分析模型,给出了交叉销售分析模型和客户细分分类模型,并详细阐述了它们。5.结合聚类分析的经典K-Means算法与改进后的算法对保险客户训练集数据进行分析,给出了改进前后的算法分类结果准确性的比较。6.给出了保险客户数据险种进行关联分析后的结果。7.给出了保险客户数据部分加工表以及数据分类、数据加工规则。8.结合训练集数据,利用决策树分类中的C4.5算法进行分类规则的导出,并对测试集数据进行细分分类,对分类结果进行分析。依据Apriori关联算法,结合保险客户样本数据实例进行关联分析。9.对本文所做的主要工作进行了总结,并对所存在的问题进行了探讨,指出了未来工作和研究的方向。

全文目录

摘要  5-7
Abstract  7-12
第一章引言  12-20
  1.1 课题研究背景  12-13
  1.2 国内外相关研究  13-15
    1.2.1 国外研究动态  13-14
    1.2.2 国内研究动态  14-15
  1.3 数据挖掘在保险领域中的应用  15-16
  1.4 研究意义  16-18
  1.5 论文组织结构  18-20
第二章相关理论技术介绍  20-30
  2.1 数据挖掘简介  20-22
  2.2 数据挖掘流程  22-24
    2.2.1 定义问题  22-23
    2.2.2 数据预处理  23
    2.2.3 数据挖掘  23-24
    2.2.4 结果分析  24
  2.3 数据挖掘技术  24-25
  2.4 数据挖掘分类  25-26
  2.5 数据挖掘工具  26-29
  2.6 本章小结  29-30
第三章聚类分析算法、分类分析算法和关联规则算法研究  30-44
  3.1 聚类分析介绍  30-31
  3.2 K-means算法及其改进  31-35
  3.3 分类分析介绍  35-36
  3.4 决策树 C4.5分类算法  36-38
  3.5 关联规则介绍  38-39
  3.6 Apriori算法  39-42
  3.7 本章小结  42-44
第四章数据挖掘在保险客户数据中的分析  44-58
  4.1 商业理解分析  44-46
    4.1.1 数据来源  44
    4.1.2 精众电子行销平台  44-45
    4.1.3 消费能力模型  45-46
  4.2 挖掘任务可行性分析  46-47
    4.2.1 数据可行性  46
    4.2.2 挖掘工具可行性  46-47
  4.3 数据预处理过程  47-50
    4.3.1 数据清理与降维  47-50
    4.3.2 数据转换与规格化  50
  4.4 保险客户数据挖掘分析模型  50-52
    4.4.1 客户数据挖掘模型  50-52
    4.4.2 客户数据分析模型  52
  4.5 保险客户的数据分析  52-57
    4.5.1 K-means算法对训练集保险客户数据进行聚类  53-56
    4.5.2 保险客户数据关联分析  56-57
  4.6 本章小结  57-58
第五章基于数据挖掘的保险客户数据应用研究  58-70
  5.1 客户数据挖掘模型建模  58-62
    5.1.1 数据准备  58-59
    5.1.2 数据加工  59-62
  5.2 WEKA工具环境构建  62-64
  5.3 决策树算法对数据进行预测分类及结果分析  64-66
    5.3.1 C4.5算法数据应用  64-65
    5.3.2 结果分析  65-66
  5.4 关联挖掘Apriori算法实例及结果分析  66-70
    5.4.1 Apriori算法数据应用  66-69
    5.4.2 结果分析  69-70
第六章总结及展望  70-74
  6.1 论文工作总结  70-71
  6.2 未来工作展望  71-74
致谢  74-76
参考文献  76-80
附录1 攻读硕士学位期间所发表软著及实践情况  80

数据挖掘在保险客户数据中的应用研究

内容摘要

全文目录

相似论文