面向車(chē)輛保險(xiǎn)的數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用.pdf

1、隨著大數(shù)據(jù)時(shí)代的來(lái)臨，企業(yè)掌握了越來(lái)越多的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)分析工具已經(jīng)無(wú)法滿(mǎn)足日益增長(zhǎng)的數(shù)據(jù)量分析需求，因此數(shù)據(jù)挖掘技術(shù)成為了一個(gè)研究熱點(diǎn)，越來(lái)越受到企業(yè)和機(jī)構(gòu)的重視。同時(shí)，隨著科學(xué)技術(shù)的進(jìn)步和人民生活水平的日益提高，汽車(chē)逐漸成為了人們的日常消費(fèi)品，車(chē)險(xiǎn)的購(gòu)買(mǎi)者也成為了一個(gè)龐大的消費(fèi)群體。如何通過(guò)挖掘和分析車(chē)輛保險(xiǎn)業(yè)務(wù)歷史數(shù)據(jù)中所蘊(yùn)含的知識(shí)和規(guī)律，為保險(xiǎn)公司未來(lái)的車(chē)險(xiǎn)發(fā)展方向提供指導(dǎo)性意見(jiàn)，對(duì)于保險(xiǎn)公司來(lái)說(shuō)是一個(gè)巨大的挑戰(zhàn)和機(jī)遇。本文利

2、用某保險(xiǎn)公司電銷(xiāo)部的日常車(chē)險(xiǎn)業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，結(jié)合車(chē)險(xiǎn)自身的特點(diǎn)和保險(xiǎn)公司的需求，從屬性字段選擇到數(shù)據(jù)預(yù)處理以及最后數(shù)據(jù)挖掘模型的建立，形成了一套完整的面向電銷(xiāo)車(chē)險(xiǎn)的數(shù)據(jù)挖掘系統(tǒng)。
　　本文首先對(duì)目前數(shù)據(jù)挖掘技術(shù)在國(guó)內(nèi)外學(xué)術(shù)和企業(yè)的研究和應(yīng)用現(xiàn)狀進(jìn)行了總結(jié)和分析;其次詳細(xì)分析了進(jìn)行數(shù)據(jù)挖掘工作時(shí)所使用的三種算法，包括關(guān)聯(lián)規(guī)則算法、聚類(lèi)分析算法和決策樹(shù)算法，介紹了幾種常見(jiàn)的數(shù)據(jù)挖掘工具;并介紹了本次數(shù)據(jù)挖掘工作所使用的數(shù)據(jù)集，

3、分析了保險(xiǎn)公司的業(yè)務(wù)需求，明確了數(shù)據(jù)挖掘工作的目標(biāo)，對(duì)數(shù)據(jù)集進(jìn)行了屬性選擇;然后從數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)聚集三個(gè)方面對(duì)數(shù)據(jù)集進(jìn)行了數(shù)據(jù)預(yù)處理工作，過(guò)濾了數(shù)據(jù)集中的噪聲數(shù)據(jù)，并得到適用于挖掘工作的數(shù)據(jù)格式;最后，利用SQL Server2008的SQL Server Business Intelligence Develop Studio和Weka工具，在預(yù)處理后的數(shù)據(jù)集上通過(guò)關(guān)聯(lián)規(guī)則算法、聚類(lèi)分析算法和決策樹(shù)算法建立數(shù)據(jù)挖掘模型，并設(shè)