ارایه مدل یادگیری ماشین در تشخیص تقلبهای واقع شده در بیمه درمان

امروزه تقلب یکی از مشکلات عمده صنعت بیمه است که کلان داده و یادگیری ماشین در تلاش برای حل آن هستند. این تحقیق بهبررسی تقلبهای بیمه درمان با استفاده از الگوریتمهای یادگیری ماشین و دادهکاوی میپردازد. این رویکرد نوآورانه میتواند دقتتشخیص تقلب را افزایش دهد و در کاهش هزینههای سلامت موثر باشد. ما روش نظارت شده ای را اتخاذ کردیم که برای ادعای دادههای خودرو یک شرکت بیمه ناشناس اعمال می شود. هدف ما ارائه رویکردی است که ارتباط نتایج هوش مصنوعی را بهبود می بخشد.این مطالعه نشان می دهد که الگوریتم جنگل تصادفی بهترین عملکرد را بر اساس معیار K-measure و بهترین امتیاز را با توجه بهارزیابی RMSE دارد. جنگل تصادفی همچنین بهترین نسبت بین یادآوری و صحت را دارد، سهم تقلبهای کشف شده در بین کلتقلبها ۲۳.۸ % است.

کلیدواژه ها:

یادگیری ماشینی ، تشخیص تقلب بیمه ای ، یادگیری تحت نظارت ، جنگل تصادفی