文献

J-GLOBAL ID：201902266057250684   整理番号：19A0517409

保険ビッグデータ解析のためのアンサンブルランダムフォレストアルゴリズム【JST・京大機械翻訳】

An Ensemble Random Forest Algorithm for Insurance Big Data Analysis

著者 (5件)： Lin Weiwei (School of Computer Engineering and Science, South China University of Technology, Guangzhou, China) ,  Wu Ziming (School of Computer Engineering and Science, South China University of Technology, Guangzhou, China) ,  Lin Longxin (College of Information Science and Technology, Jinan University, Guangzhou, China) ,  Wen Angzhan (School of Computer Engineering and Science, South China University of Technology, Guangzhou, China) ,  Li Jin (School of Computer Science, Guangzhou University, Guangzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 16568-16575  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビジネスデータの不均衡な分布により,ユーザの特徴が失われ,多くの他の理由から,現実的なビジネスデータに関する大きなデータ技術を直接使用することは,ビジネス目標から逸脱する傾向がある。ロジスティック回帰とサポートベクトルマシン(SVM)のような分類アルゴリズムによって保険ビジネスデータをモデル化することは難しい。本論文において,著者らは,大規模な保険ビジネスデータマイニングに関する集合学習アルゴリズムと結合した発見的ブートストラップサンプリングアプローチを利用して,並列計算能力を用いるアンサンブルランダムフォレストアルゴリズムとSparkによって最適化されたメモリキャッシュメカニズムを提案した。著者らは,提案したアルゴリズムを用いて,潜在的顧客を分析するために,中国生活保険会社からの保険ビジネスデータを収集した。このアルゴリズムの性能を評価するために,F測度とG平均を用いた。実験結果は,アンサンブルランダムフォレストアルゴリズムが不均衡データの中で性能と精度の両方においてSVMと他の分類アルゴリズムより優れていることを示して,それは従来の人工的アプローチと比較して製品マーケティングの精度を改良するために役に立つ。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： キャッシュメモリ ,  学習アルゴリズム ,  サポートベクトルマシン ,  *データ解析 ,  *アルゴリズム ,  測度 ,  マーケティング ,  モデリング ,  データマイニング ,  *保険 ,  最適化
準シソーラス用語： 分類アルゴリズム ,  ロジスティック回帰分析 ,  不均衡 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 保険 ,  ビッグデータ ,  解析