决策树在保险客户风险分析中的应用

二, 保险客户风险分析模型建立过程
本 节以某保 险公司 20 0 7 年度 重大疾病 类终身 险种 的索 赔数 据为基础， 实例 介绍基于 年龄, 地域, 收入 因素的客 户风 险分析 建模过程. （一 ） 数据准备 .根据 险种特点， 可以得 知客户的年龄, 地 域和收入 ， 是决定客户风险的重 要因素.因此， 需要从 客户数 据库中 提取客户基本信息表, 索赔单据信息表. （二 ） 数据预处 理分析. 进行客户风险分析， 投保人是否索 赔是关 键信息， 将 "索赔 金额" 属性， 转换为 "是 否索赔" 属性 . 再将出 生日期转换为年龄属性， 并将年龄, 收入 属性泛化， 创
� [ 1
� 决策树算法是一 种归纳分类算法，能很好地与超大型 � 数 率 ，选择 最大信 息增益 率对 应的 计算 该属 性分 类的分 割 收入等属性作为决 策树节点时， 常在 预处理时 据库结 合.其主要 优点如下 ： 能够 生成可以 理解的规 则， 形 点.如以年龄 , 成挖掘 模型； 计算量相 对较小， 大大 缩短了计 算时间， 从而 提 作分段处理 . 高了系统效率； 可以处理连续和离 散数据； 可以清晰地 显示出 属性的重要程度 . 国际上 最早具有 影响力的 决策树 算法是 1 9 86 年由 J R .. Q 提出的 ID 3 算法. 该算法以最高信息增益的属 性作为 节点划 分标准， 但只能处理 离散型 的描述性 属性.C 4.5 算 法 在此基础上加以 改进， 可以处理连 续型属性， 选取节点 的标准 是具有最大信息 增益率. 使 用 C 4.5 算法 [2 构造分 析决策 树， 信息 增益率 计算方 法 如下： G -R ( A )= G ( A )/E ( A) （1 ） 其 中， G （A） 为按 照属 性 A 进 行节点 划分 后的 信息 增 益.E（A） 为节点划分前的信息总熵.
中图分类号： TP312 文献标识码： A 文章编号： 1 0 0 4-849 9（20 0 8 ） 0 4-0 1 73-0 2
近年来国内诸多 保险公司根据自身情况，从不同程度 � � � � � � � 上 计算每个属 性的信息增益率 G -R （A） . 选择信息增 进行了客户关系 管理尝试.但是，客户关系管理水平仍然 有 益率最 大的属性 ， 作 为当前属 性节点 ， 得到 决策树的 根节点 . 限， 运用数据挖掘等技术对企业客 户数据进行深层次的处理， 对于取值 连续的属性做如下处理： 为企业决策提供 支持的客户关系管理系统的理论和 � 应用仍然 （1 ） 根据 原始数据 ， 找 到该连续 型属 性的最 小取值 0 ， 最 � 不足.本文利用决策树 技术， 挖掘客户信息 ， 生成客户信息模 大值 ； � +1 型方面进行了有 � � � � 益探索. � （2 ） 在区间[ , 内插入 个数值等分为 +1个 小区间； � � � � � � � � （3 ） 分别以 ,， = 1,2, �, 为分段点， 将区间 [ 0 , +1 划分 � � � � � 为两个子 区间： [ 0, ， （ , +） 一 , 决策树算法 � � � 1 . � � � � 分别 计 算以 (= 1 ,1 , �� , ) 为分 割 点 对应 分 类 的信 息
年龄分布 收入分布 地区编号 是否索赔
表示， 形 成规则集.沿给定路径上每 个属性值对形 成 IF 部 分
� � � 的一个合取项， 叶节点包含的类预测， 形成 T 后的部分 . 60 10000 01 是 � � � � � � � � � � R 1 ： I 年 龄 > =45 区 域 = " F 1 " 收 入 < =225 00 50 15 000 02 否 � � � T 是否索赔= "是" 10 10000 05 是 � � � � � � � � � � R 2： I 年 龄 > =45 区 域= "F 2"
� � 收稿日期�20 0 8-0 3-19 � � �作者简介� 管绍贤 （1 97 1-） ， 女， 黑龙江绥化人， 绥化学院计算机科学与 技术系讲师， 硕士.研 究方向： 数据库应用 .
� � �
建新类别， 对应年 龄分布, 收入分布. 为统一分析， 将地区编号 字段改名为地域分布.最终， 将前述两个数据表连接， 去除与 客户风险分析不相关属性， 保留 "年龄 分布" "收入分布 " , "地 , 域分布" "是否索赔" , 字段， 形成某月客户风险分析信息表 ， 见
�� �� �� ��
收 入 < =15 300 收 入 < =17600 收 入 < =16200
� � � T 是否索赔= "是" � � � � （三 ） 数据挖掘 � � � . 根据客户风险分析信息表， � � � 给出风险分析 R 3： I 年 龄 > =45 区 域= "F 4" � � � 模型的生成过程. T 是否索赔= "是" � � � � 1� 选择客户 � � � 风险分析信息 � � 表中全部数据 � 作为训练集 ， 样 R 4： I 年 龄 > =45 区 域= "F 7" � � � 本数量为 8 794. T 是否索赔= "是" 2� 计算每个属性 的信息增 益率 G - R （ A） ， 选 择信息 增益率最大的属性，作为当前属性 节点，得到决策树的根节 点. 训练集 中样本总 数为 8 794， 索赔 客户 总数 96， 未索 赔客 户总数 8 698 . 由计算结果得知 ， 按年龄区间划分 ， 年龄分布值 5 0 对应的信息 增益率最大， 对应的 年龄区间是 ( 40 ， 5 0) .按数 值型数据节点划分方法， 取均值 45 作 为该属性的分割点.按 年龄分布属性求得信息增益率， 见式 （2 ） ： G -R 0. 95 7122 （年龄 分 布 ） =G （年龄 分 布 ） / E （是否 索 赔 ） = （2 ）
决策树在保险客户风险分析中的应用
( 绥化学院计算机科学与技术系
黑龙江绥化
1520 61)
摘
要： 本 文利用决策树 算法对保险业 务数据进行了 客户风险分 析， 并以重大 疾病险种 的索赔业 务数据为 基础， 详细介
� � � 绍了数据预处理过程， 针对年龄, 地域 , 收入因素， 给出了基于 算法的客户风 险分析建模过程. 关键词： 客户风险分 析； 保险； 决策树； 数据 预处理
本文利用决策树算法对保险业务数据进行了客户风险分析并以重大疾病险种的索赔业务数据为基础详细介绍了数据预处理过程针对年龄地域收入因素给出了基于算法的客户风险分析建模过程
�� � 第 28 卷第 4 期
绥化 学院 学报
20 0 8 年 8 月
� � � � � � V . 28 N . 4 � � J S �U A . 20 0 8
策树上的所有非叶子结点 进行计算分析.从树根结点开始搜 索， 计算每个 分枝节点被修剪或被子树替换后 的期望错误率. 设计错 误率最高 阈值为 0. 6， 运 用剪枝算 法进行 修剪， 保留区 域值为 F 1 , F 2, F 4 和 F 7 对应决策树的左分枝.
表 1， 并将整个数据集作为训 练集. 5 �根据 剪枝后 的决 策树提 取分类 模型 ， 形 成风险 分析 模 表 客户风险分析 信息表 � � � 型： 对从 根到树叶的每条路径创建 一个规则， 以 IF - T 形式