5116動態的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

5116動態進入發燒排行的影片

多技術模型分類長照失能險問題

為了解決5116動態的問題，作者丁敏慧 這樣論述：

台灣高齡人口比率急速攀升，失能身心障礙人口比率持續增加，促使長期照護需求增加。亦因低出生率造成家庭平均人口數減少，家庭照顧功能逐漸弱化，使得個人與家庭的照顧壓力日增，進而成為社會與經濟崩潰隱憂，衍生可能的社會問題。本研究基於上述的議題，希望以需要長期照護保險者為研究對象，建立一個可行的預測模式。本研究旨在透過建立分類預測模型為模型I~X，以比例分割與10折交叉驗證二種方式將資料拆解，再加上特徵選取及數據離散化兩種技術的應用，並以七種不同分類類別(貝氏分類、函氏分類、懶人法、群體學習、混合式、規則分類與決策樹)內之23種演算法，經由保險公司資料庫蒐集資料進行資料採礦，挑選出20個條件屬性和1個

決策屬性-「是否購買長照與失能保險保單」，決策屬性為二分類法進行數據實證分析。經實證結果得知：(1)找出影響決策屬性之3個重要因子分別為婚姻狀況、購買保單總張數與保單總保額(含長照與失能保險)；(2)最穩定模型為混合型的模型V與X；(3)最佳分類器為決策樹J48演算法。本研究結果有2個重要貢獻：(1)對壽險業者而言，「商業長照與失能保險」絕對是一個極具發展潛力的市場，藉由運用大數據分析工具與資料採礦技術，協助業界篩選出潛藏的客戶名單，讓銷售人員有效率的達成銷售業績及提升公司的收益來源，亦期本研究結果，對業者在未來的行銷策略及經營績效上，能有所貢獻；(2)對學術界而言，本研究所提出之預測模型，可

應用於其他不同的產業領域上，對不同的實務問題產生不同的實證分析支持結果。