车险保费定价是目前保险行业研究的热门话题，因为车险保费定价能力的强与弱，极大的影响保险企业的经营能力。但目前大多数的车险保费定价研究是基于线性或广义线性模型，形成保费基础费率表。以费率表的形式在保险公司车险保费定价的过程中使用，已经不能满足目前保险行业发展的要求。本课题主要研究将数据挖掘的算法、模型应用于车险保费定价之中；将数据挖掘模型的建模、验证和使用三个过程环节集成于保险企业的定价系统之中的可行性。为了达到建设在保险企业经营中能够实用的“基于数据挖掘模型的车险保费个性化定价系统”的总体目标，本课题从四个方面入手进行具体的研究工作。首先，从车险保费个性化定价系统将会使用到的相关技术进行研究和介绍，分别研究了本课题系统的整体逻辑框架、ETL框架、数据存储模型和数据挖掘模型集成框架几个方面。其次，进行了数据挖掘建模技术的研究，分析选择了极限学习机ELM进行数据建模。再次，从业务理解角度，研究车险保费个性化定价的业务模型，研究业务模型中的目标因子和控制因子。由于车险保费定价涉及到众多的保险行业的专业知识，而一个实用的车险保费定价模型，需要对于车险定价业务知识有深入的研究。同时基于从保险公司获取的少量数据，进行数据的探查和分析，对数据进行了清洗、转换等处理，同时对于目标因子、控制因子在模型中是否可用、是否能用，进行了更加深入的研究分析，进行了最后的选择。最后，基于从保险公司获取的少量数据，进行了系统搭建和数据实证验证。以验证模型的可用性；系统的可行性，进而完成课题的研究目标，确认课题研究是可行的、有价值的。