欺诈性的汽车保险索赔不仅给保险公司造成损失，而且给保单持有人造成损失。 这项研究的目的是首先开发一种决策算法，以对索赔是否被分类为欺诈行为进行分类； 其次，应该关注哪些类型的变量以检测欺诈性索赔。 为了实现此目标，通过使用变量选择算法发现重要的特征集来构建高度准确的预测模型，从而可以帮助防止将来的损失。 在这项研究中，考虑使用参数和非参数统计学习算法来减少不确定性并增加检测适当主张的机会。 该模型的重要特征集是通过以下方法确定的：通过交叉验证基于观察到的索赔特征来测量变量的重要性，并通过测试使用Akaike信息准则对汽车欺诈性索赔进行准确分类的性能的改进来确定。 使用通过交叉验证选择的一组功能，我们可以达到95％以上的精度。 这项研究将为保险业的欺诈检测研究提供一些好处，以防止保险滥用进一步加剧。
2021-08-31 14:44:01
802KB
1