期刊文献⁺

任意字段

题名或关键词

题名

关键词

文摘

作者

第一作者

机构

刊名

分类号

参考文献

作者简介

基金资助

栏目信息

基于数据挖掘的重大疾病保险客户风险预测及细分被引量：1

下载PDF

导出

摘要一、引言根据我国第七次人口普查结果,我国人口老龄化程度进一步加深,已经接近深度老龄化。通常,老龄人口随着年龄增大,身体各项机能开始退化,从而发生重疾的可能性会增大。2020年11月,中国保险行业协会与中国医师协会联合发布《重大疾病保险的疾病定义使用规范(2020年修订版)》,优化了重疾分类,并且引入了轻度疾病的分类。

作者辛凯琪汤金凤

机构地区辽宁大学金融与贸易学院

出处《上海保险》 2022年第11期55-60,共6页 Shanghai Insurance Monthly

关键词重大疾病保险中国医师协会风险预测数据挖掘人口普查老龄人口深度老龄化人口老龄化程度

分类号 F842.6 [经济管理—保险] R197.1 [医药卫生—卫生事业管理]

引文网络
相关文献

同被引文献10

1丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报,2011,40(1):2-10. 被引量：991
2陈启伟,王伟,马迪,毛伟.基于Ext-GBDT集成的类别不平衡信用评分模型[J].计算机应用研究,2018,35(2):421-427. 被引量：34
3孟生旺,李天博,高光远.基于机器学习算法的车险索赔概率与累积赔款预测[J].保险研究,2017(10):42-53. 被引量：26
4方红帏,赵涛,佃松宜.基于三域特征提取和GS-SVM的ECG信号智能分类技术研究[J].四川大学学报（自然科学版）,2020,57(2):297-303. 被引量：9
5庄家懿,杨国华,郑豪丰,张鸿皓.基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法[J].中国电力,2021,54(5):46-55. 被引量：59
6王舜.CART决策树在旅游保险数据中的研究[J].软件,2022,43(10):122-124. 被引量：1
7张柯,刘海忠.基于VMD-Stacking混合模型的短期风速预测研究[J].计算机时代,2023(5):40-45. 被引量：1
8王俊杰,毕利,张凯,孙鹏翔,马训德.基于多特征融合和XGBoost-LightGBM-ConvLSTM的短期光伏发电量预测[J].太阳能学报,2023,44(7):168-174. 被引量：28
9万平,李立状,娄峰,王成.基于PSO-SVM的文本分类在保险精准营销中的应用[J].系统工程,2023,41(5):144-150. 被引量：6
10姚洪心,黄雪妮.多层线性模型与神经网络融合算法在公司债收益率预测中的应用[J].数学的实践与认识,2024,54(8):89-101. 被引量：1

引证文献1

1王辰,肖阳田,肖鸿民.融合AUC-RW算法的XGBoost-LightGBM旅游保险投保预测模型研究[J].统计学与应用,2024,13(5):1847-1858.

1高俊莲,李悦享.河北省养老服务体系存在的问题及解决对策[J].黑龙江科学,2022,13(23):82-84.
2数说林业[J].中国林业产业,2022(7):10-11.
3申少铁.让医和养结合得更通畅[J].山西老年,2022(12):60-60.
4沈文武.呵护老人心理健康叙事疗法舒缓困扰[J].社区,2022(21):62-63.
5贝利优.对于健康晚年的诉求正在推升中国健康营养食品需求[J].食品安全导刊,2022(35).
6冯凯,王婵.黑龙江五部门发文加强中药制剂调剂使用管理[J].中医药管理杂志,2022,30(21):190-190.
7沈慧.加快培育养老服务人才[J].山西老年,2022(12):60-60.
8张幸.京津冀养老服务需求的影响因素分析——以河北省为例[J].唐山师范学院学报,2022,44(6):100-102. 被引量：1

上海保险

2022年第11期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...

;

使用帮助返回顶部