Sigorta müşterilerinin kümeleme yöntemiyle analizi
The analysi̇s of customers of insurance by clustering methods
- Tez No: 678903
- Danışmanlar: DR. ÖĞR. ÜYESİ PARVANEH SHAMS
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Müşterileri risk gruplaması, Sigortacılık sektöründeki en önemli konulardan biridir. Bu makalede makine öğrenmesi ve veri madenciliği yöntemleri kullanarak sigorta müşterilerinin kümelenmesi amaçlanmaktadır. Başarı oranı yüksek bir kümelemeye sadece sigorta alanında değil bankacılık, market analizi gibi pek çok alanda ihtiyaç duyulmaktadır. Kümeleme algoritmaları, sınıflandırma algoritmalarından farklı olarak işaretli olmayan veri üzerinde işlem yapar ve birbirine en benzeyen örnekleri kendi arasında gruplandırır. Çalışmamızda kümeleme yöntemi olarak K-Ortalama kümeleme yöntemi ve hiyerarşik Aglomeratif Kümeleme Algoritmaları kullanılmıştır. Bu sonuçlar hem birbirileriyle, hem de daha önce yapılmış olan çalışmadan elde edilen sonuçlarla doğruluk metriği, siluet metriği ve DB metriği kullanılarak karşılaştırılmıştır.
Özet (Çeviri)
Customer risk grouping is one of the most important issues in the insurance industry. This paper aims to cluster insurance customers using machine learning and data mining methods. A cluster with high success rate is needed not only in the insurance field and also in many fields such as banking and market analysis. Unlike classification algorithms, clustering algorithms operate on unlabeled data and group the most similar samples among themselves. In this project, K-means clustering and hierarchical agglomerative clustering algorithms were used as clustering method. These results were compared both with each other and with the results obtained from the previous study using the accuracy metric, silhouette metric and DB metric.
Benzer Tezler
- Understanding customer value using data mining applications: A case study of an insurance broker
Veri madenciliği tekniklerini kullanarak müşteri değerini anlama: Bir sigorta brokerliği uygulaması
FETHİ ATA
Yüksek Lisans
İngilizce
2018
Mühendislik Bilimleriİstanbul Arel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. VOLKAN ÇAKIR
- Modüler tasarımın müşteri algısı üzerindeki etkisi
The effect of modular design on customer perception
İCLAL GÜZEL
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Makine öğrenmesiyle sağlık sigortalarında kümeleme ve sınıflandırma
Clustering and classification in health insurances with machine learning
ÖMER GÜL
Yüksek Lisans
Türkçe
2023
Mühendislik Bilimleriİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA CEM KASAPBAŞI
- Veri madenciliği: Sınıflandırma ve tahmin yöntemlerini kullanarak bir uygulama
Data mining: Application by using predictive and classification modelling
PELİN BİÇEN
Yüksek Lisans
Türkçe
2002
İşletmeYıldız Teknik Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. S. ÜMİT OKTAY FIRAT
- Savunma sanayi kümelerinin ekonomik etkileri: Konya değerlendirmesi
Economic effects of defense industry clusters: Konya review
FATİH BAYRAKTAR
Yüksek Lisans
Türkçe
2019
Savunma ve Savunma TeknolojileriNecmettin Erbakan Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. TAHSİN KARABULUT