首页|集成学习在车险欺诈识别预测中的应用探讨

集成学习在车险欺诈识别预测中的应用探讨

扫码查看
原文链接
  • 万方数据
  • 维普
针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测.对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集.文章基于机器学习算法建立SVM、KNN、随机森林和XGBoost模型,并以此为基模型,建立传统的Stacking融合模型、引入不同指标作为权重的Stacking融合模型.结果表明:以F1 加权的Stacking融合模型的Pre值为 91.7300%,与其他指标进行加权的Stacking模型预测效果相比,以F1 加权的Stacking融合模型对车险欺诈行为具有较好的识别预测能力.

吴舒婕、陈宇

展开 >

闽南师范大学 数学与统计学院,福建 漳州 363000

福建省粒计算及其应用重点实验室,福建 漳州 363000

数字福建气象大数据研究所,福建 漳州 363000

数据科学与统计重点实验室,福建 漳州 363000

展开 >

车险欺诈预测 SMOTE-Tomek Links采样 Stacking融合模型 加权Stacking融合模型

福建省教育厅中青年项目教师教育科研项目福建省自然科学基金面上项目福建省自然科学基金面上项目

JAT2002972023J019102023J01909

2024

科技视界
上海市科普作家协会

科技视界

影响因子：0.269
ISSN：2095-2457
年,卷(期)：2024.14(15)
  • 2