.5Р0.1Р-2.0Р-0.7Р2.0Р使用性质Р公路客运Р营业货车Р特种车Р续保率Р0.2704Р0.1742Р0.3653Р量化值Р-1.1Р-1.8Р-0.5Р(6)Р基于相同的原理,为了量化车辆购买价格,建立车辆购买价格的指标与续保率之间的拟合关系,得到如下的拟合方程:Р带入续保率的值,得到车辆购买价格的量化值如表6.5. Р表6.5 车辆购买价格的量化值Р购买价格Р[0,5]Р[5,10]Р[10,20] Р[20,30] Р[30,50] Р[50,100] Р[100,∞)Р保率Р0.1545Р0.2510Р0.3289Р0.3064Р0.3256Р0.3023Р0.3074Р量化值Р-2.0Р0.2Р2.0Р1.5Р1.9Р1.4Р1.5Р(7)Р基于相同的原理,为了量化车辆购买渠道,建立车辆购买渠道的指标与续保率之间的拟合关系,得到如下的拟合方程:Р带入续保率的值,得到承保渠道的量化值如表6.6:Р表6.6 承保渠道的量化值Р承保渠道Р电话销售Р交叉销售Р车商渠道Р续保率Р0.4000Р0.1983Р0.4430Р量化值Р1.3Р-2.0Р2.0Р从以上得出的结果可知,通过对于每个因素中的指标的量化,使得影响续保率的6个因素统一到[-2,2]中,且值越小说明其续保率越低,值越大说明其对应的续保率越大。为后续工作进行打下了较好的基础。Р6.2维数修正Р由以上量化之后的表格可以看出,各个因素本身的维数各不相同,这对于以后要用到的神经网络训练(要求各个因素要有相同的维数)数据有很大的阻碍作用。对此,应该设计某种策略使得各个因素具有相同的维数。通过观察数据,我们定每个因素的维数为7,则除了影响因素中车辆出险次数不需要对数据进一步进行降维或者増维处理,其他5项因素均需要这样的操作。Р我们假定如下的降维或者增维策略:对于维数低于7的影响因素,如承包渠道因素,其维数为
全文预览
