《保险数据挖掘》教学大纲

《保险数据挖掘》教学大纲课程编号：112232B课程类型：□通识教育必修课□通识教育选修课□学科基础课□专业核心课专业提升课□专业拓展课总学时：32讲课学时：16实验（上机）学时：16学分：2适用对象：保险（精算）专业先修课程：高等数学、线性代数、概率论与数理统计。一、教学目标《保险数据挖掘》是保险精算专业的专业选修课。本课程的先修课为《高等数学》、《线性代数》、《概率论与数理统计》等课程。课程教学的目标是使学生理解保险方面数据挖掘的基本流程，掌握保险数据挖掘的基本理论和编程技术，利用R语言编程挖掘保险数据中有价值的信息，解决保险实务中出现的相关问题，培养学生的编程能力以及撰写案例分析报告的能力，为学生进一步深入学习奠定理论基础，锻炼学生的实际操作能力。二、教学内容及其与毕业要求的对应关系（一）教学内容本课程主要介绍数据挖掘的基本概念、原理、方法和技术，以保险方面的数据为依托，构建若干保险数据挖掘案例，旨在解决在保险实务中出现的相关问题。本课程的主要教学内容包括：协方差分析、0-1分类变量的广义线性回归、定序变量的广义线性回归、Poisson回归、Cox风险模型和决策树等，利用R语言编写程序实现相关计算。（二）教学方法和手段本课程主要以课堂讲授为主，上机实验为辅。教学中采用理论与实践相结合的方式。以保险数据为依托，结合保险实务中出现的若干具体问题，讲授如何构建合适的保险数据挖掘模型解决相关问题，讲授保险数据挖掘模型的基本概念、原理、方法和编程技术，特别是利用R语言编程实现相关计算，使得学生能够将理论和实践有机的结合起来，培养学生的编程能力和解决实际问题的能力。（三）毕业要求《保险数据挖掘》是一门实务性较强的课程。学生通过本课程学习，主要掌握保险数据挖掘的基本概念、原理、方法和编程技术，能够依据保险实务中的具体数据构建合适的保险数据挖掘模型，利用R语言编程实现相关计算，解决保险实务中出现的相关问题，能够熟练地撰写案例分析报告。三、各教学环节学时分配教学课时分配序号章节内容讲课实验其他合计1协方差分析31420-1分类变量的回归5163定序变量的回归5164Poisson回归3145生存分析模型4156决策树4157总复习22合计26632四、教学内容第一章协方差分析1.1案例介绍与描述性分析1.2单因素可加模型1.3单因素交互作用模型1.4多因素协方差分析1.5模型选择与预测1.6更科学的绩效评估1.7简单分析报告教学重点、难点：教学的重点是多因素协方差分析模型的构建以及利用R语言编程实现相关计算。教学的难点是多因素协方差分析模型的参数估计和假设检验的理论知识。课程考核要求：了解多因素协方差模型的参数估计和假设检验的理论知识；掌握如何依据可得的保险数据构建多因素协方差模型；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写保险案例分析报告。第二章0—1分类变量的回归模型2.1案例介绍与基本描述2.2单变量逻辑回归2.3参数估计与统计推断2.4多变量逻辑回归2.5模型选择2.6预测与评估2.7简单分析报告教学重点、难点：教学的重点是0—1分类变量的回归模型的构建以及利用R语言编程实现相关计算。教学的难点是0—1分类变量的回归模型的参数估计和假设检验的理论知识。课程考核要求：了解0—1分类变量的回归模型的参数估计和假设检验的理论知识；掌握如何依据可得的保险数据构建0—1分类变量的回归模型；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写保险案例分析报告。第三章定序回归3.1案例介绍与基本描述3.2定序回归模型3.3参数估计与统计推断3.4多变量逻辑回归3.5模型选择3.6预测与评估3.7简单分析报告教学重点、难点：教学的重点是定序回归模型的构建以及利用R语言编程实现相关计算。教学的难点是定序回归模型的参数估计和假设检验的理论知识。课程考核要求：了解定序回归模型的参数估计和假设检验的理论知识；了解定序回归模型适用的条件；掌握如何依据可得的保险数据构建定序回归模型；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写保险案例分析报告。第四章泊松回归4.1案例介绍4.2数据描述4.3泊松回归4.4参数估计与统计推断4.5模型选择与预测4.6简单分析报告教学重点、难点：教学的重点是泊松回归模型的构建以及利用R语言编程实现相关计算。教学的难点是泊松回归的参数估计和假设检验的理论知识。课程考核要求：了解泊松回归的参数估计和假设检验的理论知识；掌握如何依据可得的保险数据构建泊松回归模型；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写保险案例分析报告。第五章生存分析模型5.1案例介绍5.2生存函数5.3描述性分析5.4加速寿命实验5.5Cox风险模型5.6简单分析报告教学重点、难点：教学的重点是生存分析模型的构建以及利用R语言编程实现相关计算。教学的难点是生存分析模型的参数估计和假设检验的理论知识。课程考核要求：了解生存分析模型的参数估计和假设检验的理论知识；掌握如何依据可得的保险数据构建生存分析模型；熟悉生存分析模型能够解决的相关问题；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写保险案例分析报告。第六章决策树6.1决策树模型与学习6.2特征选择6.3决策树的生成6.4决策树的剪枝6.5CART算法教学重点、难点：教学的重点是决策树模型的生成以及利用R语言编程实现相关计算。教学的难点是CART算法。课程考核要求：掌握决策树模型的构建；熟悉决策树模型能够解决的相关问题；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写保险案例分析报告。五、考核方式、成绩评定本课程考核方式为期末考试或者提交论文，主要考察学生解决实际问题的能力。平时成绩通过上机实验、出勤率综合确定。一般情况下，平时成绩占总成绩的30%，期末考试成绩占总成绩的70%。六、主要参考书及其他内容[1]王汉生.应用商务统计分析.北京：北京大学出版社，2008．[2]LuisTorgo著,李洪成,潘文捷译．数据挖掘与R语言（原书第2版），北京：机械工业出版社，2018.[3]吴喜之．应用回归及分类：基于R（第