近些年来,随着人工智能技术的兴起,机器学习算法已经被广泛地应用到了各个领域并且取得了显著的研究成果,但是机器学习算法在我国保险行业尤其是在小型保险公司中的应用还不够成熟,同时,我国的小型保险公司也急需改变以往的营销模式,探索数字化营销模式。机器学习算法能很好地应用到这种营销模式中并且能够极大地降低保险公司的营销成本,提高其综合竞争力。在这样的背景下,本文主要研究了分类学习算法在保险行业中的客户分类以及影响因素分析等方面的应用。本文收集了可能影响居民保险购买行为的家庭因素与个人因素并以此进行了分析,得出模型特征的重要性与分类规则,为保险公司在产品营销以及业务拓展方面提供了一定的参考意见。本文首先对我国居民的保险购买行为进行了一定的阐述,介绍了我国保险业从起到到现在各个阶段内保险消费者的行为特征,讨论了可能影响我国居民保险购买行为的个人因素与家庭因素。本文使用2016年的CFPS数据,对数据进行建模并且比较了各类模型分类的准确率。计算结果表明:加入误分类代价后,Adacost算法能够很好地解决样本不平衡问题,对居民购买商业保险的行为预测较为准确,能有效识别有价值客户。根据模型分析的结果,得出模型特征重要性以及相应的分类规则,为保险公司在产品营销和业务拓展方面提出了相应的参考意见。