روش های یادگیری ماشینی برای تشخیص تقلب در بیمه خودرو: تجزیه و تحلیلمقایسه ای

به دلیل پرداخت های زیاد حق بیمه و میلیون ها خسارت سالانه، کسب و کار بیمه خودرو به صنعت چند میلیون دلاری تبدیلشده است. بخش قابل توجهی از هزینه های مربوط به داشتن خودرو صرف بیمه خودرو می شود. با توجه به این واقعیت که بخشبیمه قابلیت پیش بینی را دارد و به شدت حول ریسک می چرخد، بنابراین به شدت به علم داده وابسته است زیرا کار را بسیار آسان می کند. این مقاله کارایی و تاییدپذیری محبوب ترین الگوریتم های یادگیری ماشین ML مانند جنگل تصمیم تصادفی، الگوریتم ماشین بردار پشتیبان SVM، رگرسیون لجستیک Naives Bayes ،XGboost درخت تصمیم K نزدیک ترین همسایگان و غیره را برای تشخیص تقلب مورد بررسی قرار می دهد. با استفاده از تکنیک های ذکر شده، کارایی، فراخوانی، امتیاز F۱ دقیق و امتیاز AUC محاسبه شد

Keywords:

یمه خودرو , رگرسیون لجستیک , جنگل تصادفی , پیش بینی , تجزیه و تحلیل داده ها , کشفتقلب