پيش‌بيني نوع بيمه مشتريان سازمان تأمين اجتماعي با استفاده از تركيب الگوريتم هاي دسته‌بندي

سازمان تأمين اجتماعي از بزرگ‌ترين سازمان‌هايي است كه با حجم عظيمي از داده‌هاي خام مشتريان كه در طي هر دوره عملكردي به وجود مي آيد، روبرو است. داده‌ها به‌صورت خام قابل ‌استفاده نيستند، بلكه دانش موجود در آن‌ها بايد استخراج گردد. استفاده از ابزار داده كاوي مي تواند جهت كشف دانش بسيار مفيد و مؤثر باشد. يكي از چالش هاي پيش روي سازمان تأمين اجتماعي، پيش بيني دقيق و سريع نوع بيمه مشتريان آن است. براي حل اين مشكل، در اين مقاله انواع مدل‌هاي تركيبي از دسته‌بندهاي پايه در قالب چهار روش طبقه بندي، ترقي دادن، پشته سازي و رأي‌گيري ارائه و عملكرد آن‌ها مورد سنجش و مقايسه قرار گرفته است. بر اساس نتايج ارزيابي‌ها، بيشترين دقت، در مدل تركيبي پشته سازي با دسته‌بند پايه رگرسيون لجستيك و دسته‌بندهاي درخت كاربردي، درخت تصميم متناوب، كتابخانه ماشين بردار پشتيبان و بهينه‌سازي متوالي كمينه به دست آمد كه در مقايسه با الگوريتم هاي پايه بهبود قابل توجهي داشته اند.