امروزه نقش مشتریان از حالت پیروی از تولید کننده ،به هدایت سرمایه گذاران ، تولید کنند گان و حتی پژوهش گران و نوآوران مبدل گشته است ،به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه ریزی کنند .تاکنون از برخی روش های آماری و یادگیری ماشینی برای این منظور استفاده شده است که البته این روش ها به تنهایی دارای محدودیت هایی هستند که در این پژوهش سعی شده است تا با بهره گیری از روش های مختلف داده کاوی تا حد ممکن این محدودیت ها از بین برده و بر طبق آن ،چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارایه شود . در واقع هدف این است تا مشتریانی را که بیشتر به یکدیگر شبیه هستند دسته بندی و با استفاده از این دسته ها و ویژگی های آن ،میزان خطر پذیری هر دسته را پیش بینی کرد . حال با استفاده از این معیار (میزان خطر پذیری هر دسته) و نوع بیمه نامه مشتری می توان میزان خسارت او را پیش بینی کرد که این معیار می تواند کمک شایانی برای شناسایی مشتریان و سیاست گذاری های تعرفه بیمه نامه باشد . برای این منظور، از روش داده کاوی ،درخت تصمیم برای ایجاد مدل پیش بینی خطر پذیری مشتریان در صنعت بیمه استفاده شده است .فن درخت تصمیم برای این منظور نتایج بهتری را به دست اورده است.
فهرست مطالب
چکیده1
1-1- مقدمه. 2
1-2- تاریخچه داده کاوی.. 2
1-3- روشهای پیشین و فعالیت های مرتبط با پژوهش... 4
1-4- مدیریت ذخیره سازی و دستیابی اطلاعات.. 5
1-5- ساختار بانک اطلاعاتی سازمان :7
1-6- داده کاوی :((Data Mining. 7
1-6-1- داده کاوی چیست؟. 7
1-6-2- مفاهیم پایه در داده کاوی.. 8
1-6-3- تعریف داده کاوی.. 8
1-6-4- برخی از این تعاریف عبارتند از :8
1-6-4-1- مراحل فرایند کشف دانش از پایگاه داده ها9
1-7- تفسیر نتیجه. 9
1-8- انبارش داده ها9
1-9- انتخاب داده ها10
1-10- تبدیل داده ها10
1-11- عملیات های داده کاوی.. 10
1-11-1- مدل سازی پیشگویی کننده11
1-11-2- تقطیع پایگاه داده ها12
1-11-3- تحلیل پیوند. 12
1-11-4- تشخیص انحراف.. 12
1-12- الگوریتم های داده کاوی.. 13
1-12-1- دسته بندی.. 14
1-12-2-رگرسیون. 15
1-12-3- سریهای زمانی.. 16
1-12-4- پیش بینی.. 16
1-12-5- تکنیک های روش توصیفی.. 16
1-12-6- قوانین انجمنی.. 16
1-12-7- خلاصه سازی (تلخیص)17
1-12-8- مدلسازی وابستگی (تحلیل لینک)17
1-12-9- خوشه بندی.. 18
1-12-9-1- معیارهای ارزیابی الگوریتمهای خوشه بندی.. 18
1-12-9-2- طبقه بندی روشهای خوشه بندی.. 19
1-12-10- الگوریتم Apriori19
1-12-11- الگوریتم K-Means20
1-12-11- 1-گام های الگوریتم k-means20
1-12-11-2- ویژگیهای الگوریتم k-means20
1-12-11-3- رفع اشکالات الگوریتم k-means:21
1-12-12- شبکه های عصبی.. 21
1-12-13- درخت تصمیم. 22
1-13- روش پیشنهادی.. 23
1-14- جامع آماری و نمونه آماری.. 23
1-15- مراحل پژوهش... 23
1-16-پیش پردازشداده ها25
1-17- معرفی مشخصه ها26
1-18- مشخصه هدف.. 27
1-19- انتخاب مشخصه. 27
1-20- نرم افزارهای داده کاوی.. 27
1-21- پیاده سازی مدل های داده کاوی.. 30
1-21-1- درخت تصمیم. 30
1-21-2- تحلیل درخت تصمیم. 30
منابع 34
شکل 1-1- دسته بندی پژوهش ها در زمینه ی داده کاوی.. 4
شکل 1-2- نمودار پردازش اطلاعات.. 6
شکل1-3- مدیریت داده ها6
شکل 1-4- ساختار بانک اطلاعاتی.. 7
شکل 1-5- تجزیه و تحلیل KDD. 8
شکل 1-6- یک شبکه عصبی با یک لایه پنهان. 22
شکل 1-7- مراحل پژوهش... 25
شکل 1-8- درخت تصمیم. 31
شکل 1-9- درخت تصمیم. 32
شکل 1-10- درخت تصمیم 33
خرید فایللینک منبع :
استفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه اتومبیلاستفاده از روشهای دادهکاوی برای پیشبینی سطح خسارت مشتریان بیمه ...
jipm.irandoc.ac.ir/browse.php?a_id=1987&sid=1&slc_lang...Cached
Similarاستفاده از روشهای دادهکاوی برای پیشبینی سطح خسارت مشتریان بیمه بدنه اتومبیل
... برده و برطبق آن، چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه شود.
استفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه ...
atelieahjam.filenab.com/product-50656-mm.aspxCachedاستفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه
اتومبیل ... و بر طبق آن ،چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارایه
شود .
استفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه ...
maghale2020.rozblog.com/.../-استفاده-از-روشهای-داده-کاوی-برای-پیش-بینی-سطح-خسارت-مشتریان-بیمه-بدنه-اتومبیل-.htmlCached4 ژوئن 2016 ... استفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه
اتومبیل دسته: کامپیوتر بازدید: 1 بارفرمت فایل: doc حجم فایل: 963 ...
استفاده از روش های داده کاوی برای پیش بینی سطح خسارت مشتریان ...
www.ensani.ir/fa/content/304419/default.aspxCached
Similarاستفاده از روش های داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه ... از
بین برده و برطبق آن، چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه شود.
[PDF] ارائه چهارچوب برای پیش بینی سطح خسارت مشتریان بیمه بدنه ...
www.ensani.ir/storage/Files/20121212100607-9487-30.pdfCached
Similarدر این پژوهش با استفاده از روش های داده کاوی، چهارچوبی را برای شناسایی. مشتریان )
با تمرکز بر مشتریان بیمه بدنه اتومبیل( ارائه می کنیم. به منظور کاهش خطاها و.
استفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه ...
file20.blogsky.com/1395/08/28/post-47928/Cached18 نوامبر 2016 ... استفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه
اتومبیل. امروزه نقش مشتریان از حالت پیروی از تولید کننده ،به هدایت ...
ارائه چهارچوب برای پیشبینی سطح خسارت مشتریان بیمه بدنه اتومبیل ...
www.irc.ac.ir/articles/index.php?article=325Cachedدر این پژوهش با استفاده از روشهای دادهکاوی، چهارچوبی را برای شناسایی مشتریان (با
تمرکز بر مشتریان بیمه بدنه اتومبیل) ارائه میکنیم. بهمنظور کاهش خطاها و ...
ارائه چارچوبی برای پیش بینی سطح خسارت مشتریان بیمه بدنه ...
www.virascience.com/thesis/514537/Cached... پیش بینی سطح خسارت مشتریان بیمه بدنه اتومبیل با استفاده از راهکار داده کاوی
... پیشبینی خطرپذیری مشتریان در صنعت بیمه بدنه اتومبیل از روشهای دادهکاوی ...
استفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه ...
www.takbook.com/best/استفاده-از-روشهای-داده-کاوی-برای-پیش-ب-2/Cachedاستفاده از روشهای داده کاوی برای پیش بینی سطح خسارت مشتریان بیمه بدنه
اتومبیل عنوان پایان نامه: استفاده از روشهای داده ک.
دادهکاوی در هوشمندی کسبوکار صنعت بیمه - ماهنامه کامپیوتری رایانه
rayanehmag.net/دادهکاوی-در-هوشمندی-کسبوکار-صنعت/Cachedخانه مقالات داده کاوی و هوش مصنوعی دادهکاوی در هوشمندی کسبوکار صنعت بیمه ...
دادهکاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل
دخالت کاربران شناخته می شوند و ..... رگرسیون۳۷ : رگرسیون از مقادیر موجود برای
پیشبینی مقادیر دیگر استفاده میکند. ..... دستهبندی ریسکی گروههای مشتریان بدنه
اتومبیل