پیش بینی وقوع تقلب در بیمه های بدنه اتومبیل با استفاده از الگوریتم ماشین یادگیری (مطالعه موردی: بیمه ملت)

تقلب در بیمه یک فعالیت غیراخلاقی است که به طور سیستماتیک برای به دست آوردن مقداری سودمالی انجام می شود. چنین مطالبات متقلبانه ای مشکلاتی برای شرکت های بیمه ایجاد می کند که منجر بههزینه های بی مورد و گزاف می شود. به دلیل وجود برخی ایرادات در فرآیند سنتی، اکیر شرکت ها درجستجوی تکنیک های جدیدی برای یافتن ادعاهای متقلبانه به ویژه در بیمه های اتومبیل هستند. یکی ازاین روش ها به کارگیری از الگوریتم های ماشین یادگیری است. این شیوه جهت آشکار نمودن حقایقپنهان در ورای حجم انبوهی از داده ها به کار گرفته می شود. از این رو در این مطالعه جهت پیش بینیوقوع یا عدم وقوع تقلب در بیمه های بدنه از یکی ازالگوریتم های ماشین یادگیری به نام رگرسیونلجستیک با به کارگیری از نرم افزار پایتون استفاده شده است. تعداد ۴۹۴۹ رکورد بیمه گذاران دارایبیمه بدنه اتومبیل شرکت بیمه ملت با ۴ ویژگی فاصله وقوع تا اعلام خسارت، نوع پرونده خسارت(عادی و ریکاوری)، مبلغ خسارت و تعداد بیمه نامه های صادر شده برای هر کد بیمه گذار به عنوانمتغیره ورودی و وضعیت پرداخت خسارت به عنوان متغیر خروجی مورد بررسی قرار گرفته است.یافته های مدل بیانگر آن است که مدل رگرسیون لجستیک با دقت تخمین ۹۶ درصد ادعاهای دارایتقلب را شناسایی کرده است.

کلیدواژه ها:

الگوریتم ماشین یادگیری ، شناسایی تقلب ، رگرسیون لجستیک ، پایتون