提拉瓦特·西蒙坎;威拉蓬·马诺帕;Pailin Neamhom公司;阿奇拉亚·普通;威坎达法芬 利用数据挖掘技术检测汽车保险单中的欺诈索赔。 （英语） Zbl 07734378号 泰尔。斯达。 21，第3号，552-568（2023）. 理学硕士： 62至XX 统计 关键词：天真的贝叶斯;随机森林;自适应增压;逻辑回归;变量选择 软件：插入符号;信用模型;阿达;质量（R）;随机森林;第107页;R（右） PDF格式BibTeX公司 XML格式引用 \textit{T.Simmachan}等人，泰国。Stat.21，No.3，552--568（2023；Zbl 07734378） 全文： 链接 参考文献： [1] Aksoy S，Haralick RM。用于图像检索的特征归一化和基于相似性的相似性度量。图案识别信。2001; 22(5): 563-582. ·Zbl 1010.68864号 [2] Baek S、Moon H、Ahn H、Kodell RL、Lin CJ、Chen JJ。通过可变重要性排序识别个性化药物的高维生物标记物。生物医药统计杂志，2008年9月5日；18(5): 853-868. [3] Belhadji EB，Dionne G，Tarkhani F.保险欺诈检测模型。日内瓦帕普风险保险问题实践。2000; 25(4): 517-538. [4] Belyakov SL，Karpov SM。使用机器学习算法识别欺诈性金融操作。Vestnik Komp'iertenykh i Informatsionnykh Tekhnologii公司。2020; 188: 023-031. [5] 贝叶斯定理和朴素贝叶斯分类器。收录人：Ranganathan S、Gribskov M、Nakai K、Schn-bach C，编辑。生物信息学和计算生物学百科全书：生物信息学ABC。牛津：学术出版社；2019 [6] Culp M、Johnson K、Michailides G.ada:随机增强的R包，J Stat Softw。2006; 17(2): 1-27. [7] 用于信用建模、分析和可视化的Fan D.creditmodel工具包。R软件包1.3.1版。2022年[引用2022年12月20日]。可从以下位置获得：https://CRAN.R-project.org/package=creditmodel。 [8] Gareth J，Daniela W，Trevor H，Robert T.《统计学习导论：R中的应用》，ser。统计中的斯普林格文本。纽约：Springer；2013. ·Zbl 1281.62147号 [9] Ioffe S，Szegedy C.批量规范化：通过减少内部协变量偏移来加速深层网络训练。第32届国际机器学习会议；2015年6月；pmlr；2015年，第448-456页。 [10] Kowshalya G，Nandhini M.预测汽车保险中的欺诈索赔。IEEE创新通信和计算技术会议开幕式；2018年4月20日至21日； [11] 印度。哥印拜陀：IEEE；2018年，第1338-1343页。 [12] Kuhn M.使用插入符号包在R中构建预测模型。J统计软件。2008; 28(1): 1-26. [13] Liaw A，Wiener M.《随机森林分类与回归》，R新闻。2002; 2(3): 18-22. [14] Maua G，Grbac TG，Bai BD.软件模块中容错性的多元逻辑回归预测。第35届信息与通信技术、电子与微电子国际公约IEEE会议论文集；2012年5月21日至25日； [15] 克罗地亚。Opatija:IEEE；2012年，第698-703页。 [16] Meyer D、Dimitriadou E、Hornik K、Weingessel A、Lesch F.统计部其他职能（E1071）、TU Wien。2019年R J。 [17] Moon H，Pu Y，Ceglia C.检测虚假汽车保险索赔的预测模型。Theor Econ Lett公司。2019; 9(6): 1886-1900. [18] Priya KU，Pushpa S.关于在保险索赔中使用预测模型进行欺诈分析的调查。国际纯粹应用数学杂志。2017; 114(7): 755-767. [19] R核心团队。R： 统计计算语言和环境。R统计计算基金会，奥地利维也纳。网址：http://www.R-project.org/。 2021. [20] Randhawa K、Loo CK、Seera M、Lim CP、Nandi AK。使用AdaBoost和多数投票进行信用卡欺诈检测。IEEE接入。2018; 6: 1427714284. [21] Roy R，George KT。使用机器学习技术检测保险索赔欺诈。IEEE电路功率和计算技术会议续会；2017年4月20日至21日；印度。科拉姆：IEEE；2017年，第1-6页。 [22] 夏皮雷。解释adaboost。经验推断：纪念弗拉基米尔·瓦普尼克的节日。柏林：施普林格；2013. ·Zbl 1280.68040号 [23] Sharma R.欺诈检测保险索赔。卡格尔。2020年[引用2021年5月20日]。可从以下位置获得：https://www.kaggle.com/roshansharma/fraud-detection-in-insurance-claims/data。 [24] Venables WN，Ripley BD.纽约大学现代应用统计学：施普林格；2002. ·Zbl 1006.62003号 [25] Viaene S、Derrig RA、Baesens B、Dedene G。专家汽车保险索赔欺诈检测的最新分类技术比较。J风险保险。2002; 69(3): 373-421. [26] Wang Y，Xu W.利用深度学习和基于LDA的文本分析来检测汽车保险欺诈。Decis支持系统。2018; 105: 87-95. [27] 邹华。利用机器学习分析信用卡欺诈检测中的最佳抽样策略。第六届国际智能信息技术会议综述；2021年2月25日至28日； [28] 越南。胡志明市：计算机协会；2021年，第40-44页。 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。