大数据在近几年越来越多的被应用到各个领域当中,而在保险领域相对应用较少。对于保险公司来说渴望花费最少的资源寻找到最有价值的目标客户,而数据挖掘技术可以从大量的信息中提炼出对保险公司有用的潜在信息,转变传统的营销模式。论文主要研究数据挖掘算法在识别非均衡的保险公司客户上的应用,并分析影响我国居民购买商业医疗保险的因素,以此为保险公司的产品营销提供参考。论文用2015年中国综合社会调查(CGSS)数据,根据相关资料从中选取14个变量作为输入变量,将是否购买商业医疗保险作为输出变量进行实证分析,其中购买了商业医疗保险的居民作为正例样本,未购买的定义为负例样本,正例样本数量远远少于负例样本的数量。首先用传统的决策树分类模型进行实证分析,分类效果不理想,对正例样本基本没有识别能力。其次使用加入误分代价的决策树模型进行实证分析,发现加入误分代价之后模型对于正例样本的识别能力得到显著提高,但还是与对负例样本的识别能力相差较大。再次使用代价敏感的决策树模型即同时考虑误分代价以及测试代价的决策树模型进行实证分析,结果显示模型对于正例样本的识别准确率得到提高,与对负例样本的识别能力基本持平。最后用加权随机森林(WRF)建模进行实证分析,发现加权随机森林用来识别数量很少的正例样本也有着很高的准确率。实证结果表明代价敏感的决策树模型与加权随机森林模型很好的解决了样本不平衡问题,对我国居民商业医疗保险的购买行为可以进行准确预测,能有效识别高价值客户。论文找到对我国居民是否购买商业医疗保险影响最大的几个特征,通过精准识别高价值客户来为保险公司提高业绩提供建议。