خط مشی دسترسیدرباره ما
ثبت نامثبت نام
راهنماراهنما
فارسی
ورودورود
صفحه اصلیصفحه اصلی
جستجوی مدارک
تمام متن
منابع دیجیتالی
رکورد قبلیرکورد بعدی
Record identifier : 565101
Personal Name - Primary Intelectual Responsibility : Orooji, Zahra
Title and statement of responsibility : Data Mining Rules and Classification Methods in Insurance: The Case of Collision Insurance [Thesis]/.+عروجی ، زهرا ۶۲;supervisor: Atousa Goodarzi;advisor: Mohammad Reza Salehi Rad
Publication, Distribution,Etc. : , 2010
Language of the Item : eng
Internal Bibliographies/Indexes Note : Bibiliography
Dissertation of thesis details and type of degree : Master of Science
Discipline of degree : , Actuarial Science
Body granting the degree : , Allameh Tabatabaei University, E.C.O. College of Insurance
Summary or Abstract : . در دنیای امروز با توجه به افزایش روزافزون حجم انواع داده ها و بانک های اطلاعاتی، استفاده از روش های معمول آمار تحلیلی پاسخگوی نیاز محققان نمی باشد و امروزه از علم داده کاوی به عنوان بهترین ابزار برای تحلیل انبوه بانک های اطلااتی و استخراج انواع اطلاعات نهفته در میان بانک ها یاد می شود .در علم بیمه نیز جمع آوری اطلاات مناسب از میان داده های جمع آوری شده به منظور تخصیص حق بیمه مناسب به نحوی که هم بیمه گذار و هم بیمه گر راضی باشند از نیاز های اساسی شرکت های بیمه می باشد .در تئوری داده کاوی و یادگیری ماشینی هدف پیاده سازی یک الگوریتم در میان بانک های اطلاعاتی می باشد به نحوی که بتوان آن را به آینده نیز بسط داد .در این پروژه طی پیاده سازی الگوریتم های داده کاوی در ابتدا به تشخیص بیمه گذار پر ریسک پرداخته و سپس با جداسازی عموامل مؤثر و خنثی در میزان خسارت به تخمین میزان خسارت در آینده پرداخته می شود و نهایتا با تخمین میزان خسارت می توان تصمیم گیری بهتری در تخصیص حق بیمه انجام داد
: In the present world, information explosion has been observed in the growth of databases. Volumes of data in databases increase year after year. Such volumes of data are not easy to interpret and also overwhelm the traditional manual methods of data analysis. Data Mining newly considered as the most efficient method to analysis data set and extracting many hidden information beyond the Dataset. In insurance, gathering proper information from aggregate dataset to confirm the best premium for the insurer, such a way, both the insurer and insured feel satisfied of the contract is one of the major goals of insurance company. In this project by using Data Mining methods and machine learning algorithms, running an organized process on aggregate dataset has been followed. As result, by setting proper algorithms, in the first step we can define risky insurer, and then identified the effective features in the value of risk loss and in the final step we are going to estimate the insurance loss. Finding insurance loss can be definitely used by insurance company to estimate the proper premium in each contract.
Topical Name Used as Subject : Data Mining
: Aggregate Dataset
: machine learning algorithms
Uncontrolled Subject Terms : insurance loss
: داده کاوی
: بانک اطلاعات تجمعی
: یادگیری ماشینی
: میزان خسارت
Information of biblio record : TL
 
 
 
(در صورت عدم وضوح تصویر اینجا را کلیک نمایید)