應(yīng)用機器學習對保險公司歷史訂單整合進行的研究.pdf

1、數(shù)據(jù)挖掘是實施客戶關(guān)系管理和市場研究中應(yīng)用到的重要技術(shù)。在保險和銀行等大量中小客戶集中的行業(yè)，對客戶數(shù)據(jù)的分析和評估更對企業(yè)的戰(zhàn)略及營銷方案有著舉足輕重的影響。然而對于個人客戶而言，很難對其帳戶和數(shù)據(jù)進行準確評估。特別對于實施實名帳戶之前的賬號數(shù)據(jù)，更是難以一一對應(yīng)，這對預測的精確性產(chǎn)生了極大的影響。 為了提高商務(wù)智能系統(tǒng)對業(yè)務(wù)預測的精確性，首先要確定哪些歷史賬號和訂單屬于同一個顧客。一個客戶可能開多個不同的賬號，使用不同的地址、

2、電話甚至姓名。這些不同的賬號所擁有的客戶信息也是殘缺不全的?？蛻粜畔⒐芾淼牡谝徊?，就是客戶數(shù)據(jù)進行預處理，將賬號和訂單進行模糊識別以判斷哪些賬號是屬于同一個客戶的。 本課題將應(yīng)用樸素貝葉斯、決策樹和神經(jīng)網(wǎng)絡(luò)三種分類模型對訂單匹配結(jié)果數(shù)據(jù)進行機器學習，并對這幾個個分類器的性能進行評估。文章將提供樸素貝葉斯分類器、決策樹和神經(jīng)網(wǎng)絡(luò)分類器的算法介紹、決策模型的建立步驟、分類器性能的評估方法以及評估結(jié)果。工具和模型將會應(yīng)用到一家保險公司