基于决策树与随机森林的旅游保险需求预测分析.pdfVIP

FinancialView|金融视线

基于决策树与随机森林的旅游保险需求预测分析

冯洋逸

香港城市大学中国香港999077

（，）

本文针对旅客旅游保险的需求分析问题基于年龄就业类型毕业与否年收入家庭成员数是

摘要：，、、、、、

否患有慢性病、是否为飞行常客、是否曾出国旅行八个维度，分析调查了购买旅游保险的情况，研究和探讨决策

树DT和随机森林RF分类模型在旅客购买旅游保险需求预测中的应用两种模型确定了旅客的关键信息参

（）（）。

数及其量化值，包括年收入、年龄、家庭成员数等。建立的模型诊断准确率达到80%以上，采用94颗决策树集

成随机森林算法，ROC曲线中AUC面积从决策树的78%提高到81%。为分析旅客的旅游保险需求的评估提供了科

学决策。

决策树随机森林预测旅游保险

关键词：；；；

F590.8A1673-5889202403-0130-04

中图分类号：文献识别码：文章编号：（）

机器学习算法如人工神经网络支持向量机决策树和深

一、引言、、

机器学习是基于分析和学习现有数据与专家分类模型的映度学习算法都已有一定的应用并取得了较好的诊断效果徐

，。

[7]

射关系通过算法建立可对未知分类数据进行稳定和可靠性分鹏等人通过机器学习方法处理流量分类问题朴素贝叶斯方

，，

类的数据和信息处理技术[1]机器学习算法的改进不仅可以有法及在此基础上的改进算法可以有效实现分类但存在过于依

。，

效提升模型的识别性能而且可以从复杂的多维数据和非对称赖样本在样本空间内的分布可能存在不确定性所以又使用

，，，

数据中发现人类专家难以觉察和发现的数据规律或隐含模型了C4.5决策树方法进行流量处理可以利用训练集中的信息

，，

从而挖掘新的知识体系拓展数据的应用范围和使用价值[2]熵进行分类并使用分类模型进行简单查找从而达到对未知

。，，

决策树DecisionTreeDT属于一种非常典型的单分类网络流样本进行分类的目的最终理论分析与试验结果表