مهدی روح الامین - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش تجارت الکترونیک، دانشگاه آزاد اسلامی واحد خمین ایران
حمید پایگذار - عضو هیئت علمی دانشکده فنی مهندسی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد خمین ایران
محمد خلیلی درمنی - عضو هیئت علمی دانشکده فنی مهندسی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد خمین ایران

با رشد روزافزون کامپیوتر، مقادیر زیادی از داده ها به وسیله ی سیستم های مختلف به وجود می آیند. در حال حاضر مسئله ی پیش روی سازمان ها، دیگر جمع آوری داده ها نیست، بلکه توانایی استخراج اطلاعات مفید از میان آنهاست. همانند دیگر بخش های اقتصادی، شناخت و جذب مشتریان کم ریسک و سودآور برای صنعت بیمه نیز دارای اهمیت است. اگر شرکت ها بیمه به طبقه بندی مشتریان با توجه به ویژگی های قابل مشاهده بپردازند، می توانند نرخ پوشش دهی بیمه و سود خود را افزایش دهند واز سوی دیگر فشاری بر افراد با ریسک کم برای جبران خسارات وارده، به وسیله ی افراد ریسک زیاد به شرکت های بیمه وارد نشود. در این مقاله قصد داریم مروری بر روش های تشخیص افراد ریسک در صنعت بیمه داشته باشیم سپس در مطالعه موردی به شناسایی افراد ریسکی بپردازیم. برای این منظور از درخت تصمیم Hoeffding برای کلاس بندی مشتریان بیمه استفاده شده است.

کلاس بندی، درخت تصمیم، بیمه، درخت تصمیم Hoeffding