مروری بر روش های متوازن سازی داده های صنعت بیمه در الگوریتم های داده کاوی

صنعت بیمه با استفاده از قانون اعداد بزرگ با بیمه کردن ریسک های بیمه پذیر از بیمه گذاران حمایت مالی می کند. یکی از ویژگی های ریسک های بیمه پذیر، فراوانی کافی ریسک های مشابه است. شرط فراوانی کافی، برای بیمه پذیر بودن ریسک ها به منظور بهره مندی از قانون اعداد بزرگ است به این ترتیب که از محل در آمدهای حق بیمه های دریافت شده از تعداد کافی ریسک های مشابه مانند ریسک حوادث رانندگی خودروها، خسارت های واقع شده برای بخش اندکی از جامعه بیمه شدگان پرداخت شود. بنابراین، مساله طبقه بندی ریسک ها بر اساس کلاس های خسارت، همواره با چالش طبقه بندی داده های نا متوازن مواجه است. در چنین مسائلی، الگوریتمها معمول تمام داده ها را متعلق به کلاس اکثریت یعنی کلاس بدون خسارت پیش بینی می کنند و عملا کارآمدی خود را از دست می دهند. این درحالی است که شناسایی کلاس اقلیت یا همان بیمه نامه های دارای خسارت از اهمیت بیشتری برخوردار است. در این راستا، روش های متوازن سازی بسیاری معرفی شده است که هرکدام از این روش ها مزایا و معایبی دارند. پژوهش حاضر با مرور مقالات معتبر در این حوزه، روش های متوازن سازی را مرور می نماید و دسترسی آسان به این روش ها را برای علاقه مندان و پژوهشگران صنعت بیمه مهیا می کند.