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。