2
فناوری اطلاعات، فناوری اطلاعات، غیاث الدین جمشید کاشانی، قزوین، ایران
چکیده
امروزه تقلب یکی از مشکلات عمده صنعت بیمه است که کلان داده و یادگیری ماشین در تلاش برای حل آن هستند. این تحقیق به بررسی تقلبهای بیمه درمان با استفاده از الگوریتمهای یادگیری ماشین و دادهکاوی میپردازد. این رویکرد نوآورانه میتواند دقت تشخیص تقلب را افزایش دهد و در کاهش هزینههای سلامت مؤثر باشد. ما روش نظارت شده ای را اتخاذ کردیم که برای ادعای داده های 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 به ارزیابی RMSE دارد. جنگل تصادفی همچنین بهترین نسبت بین یادآوری و صحت را دارد، سهم تقلبهای کشف شده در بین کل تقلبها 23.8 % است.
سلطانیه، پویان و پیرزاده کرسفی، کیومرث. (1404). ارایه مدل یادگیری ماشین در تشخیص تقلبهای واقع شده در بیمه درمان. مدل های کمی مدیریت، 2(2)، 1–14.
MLA
سلطانیه، پویان، و پیرزاده کرسفی، کیومرث. "ارایه مدل یادگیری ماشین در تشخیص تقلبهای واقع شده در بیمه درمان"، مدل های کمی مدیریت، 2، 2، 1404، 1–14.
HARVARD
سلطانیه، پویان، و پیرزاده کرسفی، کیومرث. (1404). 'ارایه مدل یادگیری ماشین در تشخیص تقلبهای واقع شده در بیمه درمان'، مدل های کمی مدیریت، 2(2), pp. 1–14.
CHICAGO
سلطانیه، پویان و پیرزاده کرسفی، کیومرث، "ارایه مدل یادگیری ماشین در تشخیص تقلبهای واقع شده در بیمه درمان." مدل های کمی مدیریت، 2 2 (1404): 1–14,
VANCOUVER
سلطانیه پویان، پیرزاده کرسفی کیومرث. ارایه مدل یادگیری ماشین در تشخیص تقلبهای واقع شده در بیمه درمان. مدل های کمی مدیریت. 1404;2(2):1–14.