[发明专利]基于大数据的保费数据分析方法、装置及存储介质

权利要求书

1.一种基于大数据的保费数据分析方法，其特征在于，所述方法包括：

获取样本数据集，通过数据挖掘算法对所述样本数据集进行特征分析，得到样本特征集，其中，所述样本数据集包含样本用户的数据；

利用主成分分析法对所述样本特征集进行过滤，得到过滤数据集；

对所述过滤数据集进行指标评价，生成保费数据分析模型，其中，所述保费数据分析模型包括划分函数、训练函数、拟合函数；

获取待分析用户的初始数据集，所述初始数据集包括至少两项保费相关数据集；

利用所述划分函数分别对所述至少两类保费相关数据集进行特征矩阵划分，得到至少两个特征集；

利用所述训练函数对所述至少两个特征集进行训练，得到至少两个训练集；

利用所述拟合函数对所述至少两个训练集进行拟合，得到至少两个分析集；

将所述至少两个分析集进行组合，得到对所述用户的保费分析结果；

其中，所述通过数据挖掘算法对所述样本数据集进行特征分析，得到样本特征集包括：将所述样本数据集中的文本和数字进行分组归类，生成文本标签集和数字标签集；计算所述文本标签集中文本的权重，得到文本权重集；计算所述数字标签集中数字的权重，得到数字权重集；将所述文本权重集和所述数字权重集组合，得到样本特征集。

2.如权利要求1所述的基于大数据的保费数据分析方法，其特征在于，所述对所述过滤数据集进行指标评价，包括：

调用均方对数误差函数对所述过滤数据集进行指标评价，所述均方对数误差函数为:

其中，t∈(1 ,N)，N表示所述过滤数据集中的数据总数，yt表示所述过滤数据集中的数据值，ft表示预设的标准值。

3.如权利要求1所述的基于大数据的保费数据分析方法，其特征在于，所述利用所述划分函数分别对所述至少两类保费相关数据集进行特征矩阵划分，得到至少两个特征集包括：

将所述至少两类保费相关数据集分别划分成M*M的矩阵；

将所述矩阵进行特征分解，生成至少两个特征值和至少两个特征向量；

将所述至少两个特征值和所述至少两个特征向量归类组合，得到至少两个特征集。

4.如权利要求3所述的基于大数据的保费数据分析方法，其特征在于，所述将所述矩阵进行特征分解，包括：

利用矩阵相似对角化将所述矩阵进行特征分解。

5.如权利要求1至4任一项所述的基于大数据的保费数据分析方法，其特征在于，所述将所述至少两个分析集进行组合，包括：

利用主数据管理方案将所述至少两个分析集进行组合。

6.一种基于大数据的保费数据分析装置，其特征在于，所述装置包括：

模型训练模块，用于获取样本数据集，通过数据挖掘算法对所述样本数据集进行特征分析，得到样本特征集，利用主成分分析法对所述样本特征集进行过滤，得到过滤数据集，对所述过滤数据集进行指标评价，生成保费数据分析模型，所述样本数据集包含样本用户的数据，所述保费数据分析模型包括划分函数、训练函数、拟合函数；

数据获取模块，用于获取待分析用户的初始数据集，所述初始数据集包括至少两项保费相关数据集；

数据处理模块，用于利用所述划分函数分别对所述至少两类保费相关数据集进行特征矩阵划分，得到至少两个特征集，利用所述训练函数对所述至少两个特征集进行训练，得到至少两个训练集，利用所述拟合函数对所述至少两个训练集进行拟合，得到至少两个分析集；

数据分析模块，用于将所述至少两个分析集进行组合，得到对所述用户的保费分析结果；

其中，所述通过数据挖掘算法对所述样本数据集进行特征分析，得到样本特征集包括：将所述样本数据集中的文本和数字进行分组归类，生成文本标签集和数字标签集；计算所述文本标签集中文本的权重，得到文本权重集；计算所述数字标签集中数字的权重，得到数字权重集；将所述文本权重集和所述数字权重集组合，得到样本特征集。