پیش بینی رفتار مشتریان صنعت بیمه با استفاده از مدل مخفی مارکوف

یک سیستم پیش بینی رفتار مشتری در صنعت بیمه، از یک الگوریتم داده کاوی ترکیبی برای کشف دانش تشکیل شده که علاوه بر نوآوری، روش های گذشته را در سرعت انجام کار بهبود داده است. به طورکلی چهار مرحله پیش پردازش، خوشه بندی، مدل سازی و پیش بینی رفتار مشتری در این روش طراحی شده است. از مدل سه تایی Recency, Frequency Monetary (RFM) برای تحلیل وضعیت فعلی و از الگوریتم Fuzzy C-means(FCM) برای خوشه بندی مشتریان استفاده شده است. در فاز پیش بینی داده ها از مدل مارکوف مخفی برای بدست آوردن داده های ناقص استفاده شده است. همچنین در نحوه پیاده سازی مدل، از تکنیکهایی استفاده شده تا بتوان پارامترهای ورودی مدل مارکوف مخفی را طوری تنظیم کند که بهترین نتیجه بدست آید. برای سنجش دقت الگوریتم، روش پیشنهادی این پایان نامه با روش های شبکه های عصبی مصنوعی و رگرسیون غیر خطی با استفاده از ضریب Root mean square error (RMSE) و همچنین مدت زمان اجرای الگوریتم برای 1000 بار آموزش مقایسه شده است که نتایج نشان می دهد اختلاف مدل پیشنهادی نسبت به روش مدلسازی شبکه های عصبی مصنوعی و رگرسیون غیرخطی دقت بالاتری دارد و همچنین زمان اجرای الگوریتم پیشنهادی نسبت به دو روش ذکر شده کمتر است.