数据挖掘(Data Mining),指从大型数据库或数据仓库中提取隐含的、未知的、非平凡并有潜在应用价值的信息或模式的过程,它融合了统计学、数据库、人工智能、机器学习等多个领域的理论和技术。数据挖掘技术已经广泛应用于金融、电信、生物信息等领域,并且产生了巨大的效益和作用。　　本文从应用的角度出发,依托人寿保险信息系统数据库,结合保险行业风险管理,利用数据挖掘领域决策树的相关知识和技术,对保险客户信用度进行分类,从而达到对保险客户信用度评估的目的。本文的主要工作包括以下几个方面:　　(1)分析信用评估方法的特点,提出了基于一种决策树的信用评估方法,该方法通过对人寿保险信息系统数据库中的数据进行分析,将决策树技术应用于人寿保险投保客户的信用度评估之上,建立了对保险客户信用评价标准,得到了一个实用的信用度评估的预测模型。　　(2)研究了决策树分类算法,并详细阐述了ID3、C4.5决策树的构造算法、分枝思想、剪枝准则等。并且针对本文所研究的保险相关数据,应用了C4.5算法在不同置信因子下的剪枝策略。通过实验表明针对保险数据,调整剪枝能有效地提高分类的准确率。　　(3)依据保险业务的特点,设计和选择与保险客户信用相关的因素,确定信用评估的指标,采集并处理保险客户信用有关的数据集。用C4.5决策树算法对该数据集进行挖掘,通过对实验得出的规则的测试和评价,达到对保险客户信用评估的目的。　　本文的研究是数据挖掘技术的新应用,为保险客户信用评估研究提供了一种新思路。该模型能够科学、合理地预测保险客户信用等级,为保险行业风险管理的研究提供了一种新思路。