车险出险预测方法、装置及设备制造方法及图纸

本发明专利技术公开了一种车险出险预测方法、装置及设备，并具体公开了：获取基础数据、指定特征数据以及目标特征数据，分别根据密度聚类算法，以及K

【技术实现步骤摘要】
车险出险预测方法、装置及设备


[0001]本专利技术涉及数据处理
，尤其涉及一种车险出险预测方法、装置及设备。

技术介绍

[0002]目前，保险业内的车险出险评估方案主要是根据车辆特征，如车型、车价、使用年限、排量等数据，通过线性回归或决策树方法来预测是否进行车险出险。
[0003]但是，由于只对车辆特征进行了考虑，因此，预测出的是否出险的预测结果准确性较差。

技术实现思路

[0004]本专利技术实施例提供一种车险出险方法、装置及设备，以解决相关技术中因仅根据车辆特征来预测是否出险导致的预测结果准确性差的问题。
[0005]为了解决上述技术问题，本专利技术是这样实现的：
[0006]第一方面，提供了一种车险出险预测方法，所述方法包括：
[0007]获取基础数据、指定特征数据以及目标特征数据；其中，基础数据包括客户基本数据、车辆基本数据以及车辆保险数据；所述指定特征数据为从基础数据中选取的指定数据；所述目标特征数据为标识车辆历史出险记录的数据；
[0008]分别根据密度聚类算法以及K均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车险出险预测方法，其特征在于，所述方法包括：获取基础数据、指定特征数据以及目标特征数据；其中，基础数据包括客户基本数据、车辆基本数据以及车辆保险数据；所述指定特征数据为从基础数据中选取的指定数据；所述目标特征数据为标识车辆历史出险记录的数据；分别根据密度聚类算法以及K均值K
‑
Means聚类算法，结合所述基础数据以及所述目标特征数据，更新所述指定特征数据；将更新的所述指定特征数据、所述基础数据以及所述目标特征数据，输入由随机森林算法建立的车险出险预测模型中，得到所述车险出险预测模型输出的车险出险概率。2.根据权利要求1所述的方法，其特征在于，在所述分别根据密度聚类算法以及K均值K
‑
Means聚类算法，结合所述基础数据以及所述目标特征数据，更新所述指定特征数据之后，所述方法还包括：根据合成少数类过采样技术SMOTE方法，对更新后的所述指定特征数据中不同聚类的数据进行数据平衡处理，得到平衡处理后的指定特征数据；所述将更新的所述指定特征数据、所述基础数据以及所述目标特征数据，输入由随机森林算法建立的车险出险预测模型中，得到所述车险出险预测模型输出的车险出险概率，包括：将所述平衡处理后的指定特征数据、所述基础数据以及所述目标特征数据，输入由随机森林算法建立的车险出险预测模型中，得到所述车险出险预测模型输出的车险出险概率。3.根据权利要求1所述的方法，其特征在于，在所述得到所述车险出险预测模型输出的车险出险概率之后，所述方法还包括：当所述车险出险概率表征预测结果为出险时，得到所述车险出险模型输出的此次出险的亏损概率。4.根据权利要求3所述的方法，其特征在于，所述目标特征数据还包括标识车辆历史保险亏损记录的数据；所述将更新的所述指定特征数据、所述基础数据以及所述目标特征数据，输入由随机森林算法建立的车险出险预测模型中，得到所述车险出险预测模型输出的车险出险概率，包括：将更新的所述指定特征数据、所述基础数据以及所述目标特征数据，输入由随机森林算法建立的车险出险预测模型中，得到所述车险出险预测模型输出的车险出险概率以及出险情况下的亏损概率；其中...

【专利技术属性】
技术研发人员：刘锦健，李子旺，余浩然，何沛钊，朱潇然，文颖，杜振兴，高海滔，陈剑生，刘杭，张琛，郭可成，杨飞彬，钟平彬，肖冬晋，戴耀康，刘峰，张曦东，李素莹，张嘉杰，刘立扬，
申请(专利权)人：中国人民财产保险股份有限公司，
类型：发明
国别省市：