基于BP 神经网络的车险续保概率研究
2020-07-08张煦
科学技术创新 2020年15期
张煦
(西华大学,四川 成都610039)
图1
利用训练样本对BP 神经网络进行迭代训练,当MSE1<0.01时,输入检验样本进行网络检验,当检验样本的输出误差MSE2满足误差要求时,结束对网络的训练;当其不满足时,继续对网络进行训练。重复该过程,直到检验样本的输出误差满足误差要求。[4]训练完成后的网络可以进行客户续保率的预测,本文利用了约2100 组客户记录进行测试,通过统计分析得到了该BP神经网络的总体误差分析(见图2、图3)。
图2
对训练样本、检验样本和测试数据分别计算实际输出与期望输出的误差(MSE),见表1。
表1
由于篇幅原因,本文详细展示该BP 神经网络对10 个客户续保概率的预测和他们实际的续保情况(见表2),其中保单号是随机抽取的。
表2
同时,对参与预测的约2100 组数据的实际输出的误差整体分布进行统计比对(见图3),可知该网络的性能较好,实际输出的误差基本均在可接受范围内,对客户的续保率预测较为准确,该网络得到的续保率预测结果可以作为下一步销售侧重点的参考。
图3
4 结论
BP 神经网络有很强的非线性映射能力,非常适合解决有大量样本数据的非线性问题。客户续保率与诸多因素有关,且因素间存在相互影响,属于内部机制复杂的非线性问题,所以采用构建BP 神经网络的方法进行预测可以该预测的准确性,得到的续保率可以对下一步的营销计划产生积极的指导意义。
在实际营销中,对客户续保率的预测是十分有必要的,一方面便于企业制定更加适合客户的保险方案,另一方面便于企业了解市场需求,精确制定营销策略和产品方案。