Klasteru analīze nedzīvības apdrošināšanā

Abstract

Šajā darbā tiek izpētītas astoņas klasterizācijas metodes: K-vidējā, vienkāršā saites, pilnā saites, vidējās saites, Ward’s, vidējā svētā saites, centroīdu un mediānu metode. Izmantojot Latvijas obligātā civiltiesiskā transportlīdzekļa apdrošināšanas (OCTA) tirgus datus par 2019. gadu tiek savstarpēji salīdzinātas visas iepriekš nosauktās klasterizācijas metodes. Klasterizācijas metodēm tiek meklēta optimālais klasteru skaits izmantojot Elbow metodi, Silhouette metodi vai meklējot lielāko attāluma atšķirību starp klasteriem. Klasteru analīzes procesā tiek noteiktā labākā klasterizācijas metode pētāmajiem datiem.

This work covers studies of eight clustering methods: K-mean, single linkeage, complete linkeage, average linkeage, Ward’s, wieghted average, centroid and median method. Claustering methods are being compaired by using Motor third party liabilty insurance (MTPL) market data of Latvia per 2019. The optimal cluster count is being determined with Elbow method, Silhouette method or by looking for heigheast difference between cluster distances. During clustering analysis the best klustering method is defined for studied data.