Муайянкунии қаллобии суғуртавӣ дар асоси омӯзиши мошинии назоратшаванда, масъалаи таснифоти дуӣ мебошад, ки ҳадафаш омӯзиши қонуниятҳо аз даъвоҳои суғуртавии қаблан ҳамчун қаллобӣ ё ғайриқаллобӣ нишонагузоришуда ва ҷудо кардани даъвоҳои нав ба яке аз ду синф аст. Praise Owusu Oteng ва ҳамкоронаш моделҳои Decision Tree, Random Forest, Logistic Regression ва Naïve Bayes-ро дар маҷмӯи додаҳои insurance.claims.csv, ки аз Kaggle гирифта шудааст, муқоиса кардаанд. Тозакунии додаҳо пур кардани қиматҳои гумшуда, хориҷ кардани баъзе тағйирёбандаҳои дорои кардиналии баланд ё камаҳамият, санҷиши мултиколлинеарӣ ва марҳилаҳои табдили категориявӣ ва миқёсбандиро, ки дар хулосаи манбаъ зикр шудаанд, дар бар мегирад. Додаҳо ба %80 омӯзиш ва %20 санҷиш ҷудо шудаанд; моделҳо бо accuracy, precision, recall, F1-score ва Matthews Correlation Coefficient (MCC) арзёбӣ шудаанд. Decision Tree-и танзимшуда бо %79 test accuracy, 0,6032 precision, 0,6909 recall, 0,6441 F1-score ва 0,4984 MCC дар байни чор модели баррасишуда натиҷаи мутавозинтаринро додааст.

Муҳимтарин натиҷаи омӯзанда аз таҳқиқот ин аст, ки дар маҷмӯи додаҳое, ки синфи ақаллият ба мисли қаллобӣ вуҷуд дорад, арзиши баланди accuracy худ аз худ маънои муайянкунии муваффақонаи қаллобиро надорад. Random Forest дар додаҳои санҷишӣ %72 accuracy ба даст овард, аммо аз 55 сабти синфи қаллобӣ ҳеҷ кадомро дуруст муайян накард. Logistic Regression танҳо 3 ва Naïve Bayes танҳо 2 ҳолати қаллобиро дуруст тасниф карданд. Decision Tree аз ҳамон 55 ҳолат 38-тоашро дуруст муайян кард. Аз ин рӯ, фарқи асосие, ки ҷойгиршавии моделҳоро муайян мекунад, танҳо дақиқии умумӣ нест, балки қобилияти дарёфти синфи ақаллияти қаллобӣ ва ченакҳои F1 ва MCC мебошанд, ки хатогиҳои ҳар ду синфро якҷоя ба назар мегиранд.

Натиҷаҳо бо як маҷмӯи додаҳои таърихии дастраси умум ва як тақсимоти train/test маҳдуданд. Манбаъ тафсилоти hyperparameter tuning, усулҳои истифодашудаи encoding/scaling, random seed, маълумоти stratification ё натиҷаҳои cross-validation-ро гузориш намедиҳад. Моделҳо дар низоми воқеии идоракунии даъвоҳои як ширкати суғуртавӣ санҷида нашудаанд. Аз ин рӯ, бартарии Decision Tree дар ин маҷмӯи додаҳо маънои онро надорад, ки ҳамин модел дар ҳамаи маҷмӯи додаҳои суғуртавӣ ё амалиёти воқеӣ ҳатман беҳтарин хоҳад буд.

Масъалаи таҳқиқот

Қаллобии суғуртавӣ масъалаи васеъест, ки пешниҳоди даъвоҳои беэътибор ё таҳрифшударо бо мақсади гирифтани манфиати молиявӣ аз суғуртакунанда дар бар мегирад. Манбаъ таъкид мекунад, ки рафтори қаллобона метавонад дар соҳаҳои гуногун, аз ҷумла суғуртаи саломатӣ, ҳаёт, амвол ва воситаҳои нақлиёт ба вуҷуд ояд ва санҷиши анъанавии дастӣ ё низомҳои қоидаҳои собит метавонанд дар дарёфти қонуниятҳои тағйирёбандаи қаллобӣ душворӣ кашанд.

Бартарии асосии омӯзиши мошинӣ дар доираи ин таҳқиқот қобилияти омӯзиши қонуниятҳои бисёртағйирёбанда аз сабтҳои қаблан нишонагузоришудаи даъвоҳо ва тавлиди таснифоти худкор оид ба эҳтимоли қаллобӣ барои даъвоҳои нав мебошад. Бо вуҷуди ин, кадом алгоритм беҳтарин аст, ба тақсимоти додаҳо, хусусиятҳо, ҳиссаи синфи қаллобӣ ва метрикаи арзёбӣ вобаста аст.

Саволҳои таҳқиқот

Манбаъ ба се саволи асосӣ тамаркуз мекунад: омӯзиши мошинӣ то чӣ андоза метавонад даъвоҳои қаллобонаро муайян кунад, кадоме аз чор алгоритми баррасишуда таснифоти боэътимодтаринро медиҳад ва натиҷаҳои омӯзиши мошинӣ бо кадом роҳҳо метавонанд раванди санҷиши қаллобиро дастгирӣ кунанд.

Маҷмӯи додаҳо

Файли додаҳое, ки дар таҳқиқот истифода шудааст, insurance.claims.csv ном дорад ва аз Kaggle гирифта шудааст. Манбаъ сохтори додаҳоро ҳамчун маҷмӯи сохторёфтаи додаҳои даъвоҳои суғуртавӣ бо 40 тағйирёбандаи мустақил тавсиф мекунад.

Гурӯҳҳои тағйирёбандаҳо инҳоро дар бар мегиранд:

• демографияи муштарӣ: синну сол, таҳсилот, касб ва маълумоти монанд,
• маълумоти полис: хусусиятҳое ба мисли deductible ва мукофоти солона,
• маълумоти ҳодиса: навъи ҳодиса, шиддати ҳодиса ва шумораи воситаҳои нақлиёт,
• маълумоти даъво: маблағҳои injury, property ва vehicle claim,
• тағйирёбандаи ҳадаф: fraud-reported = Y ё N

мавҷуданд.

Манбаъ дар бахши Data Description ҳаҷми умумии намунагириро бо сатри алоҳидаи “N = ...” пешниҳод намекунад. Бо вуҷуди ин, тақсимоти %80:%20 ва мавҷудияти 200 сабти санҷишӣ дар ҳамаи confusion matrix-ҳо нишон медиҳад, ки ҳаҷми додаҳои таҳлилшуда бо сохтори 1.000 сабт мувофиқ аст. Дар Table 3-и манбаъ барои Vehicle Claims низ дар маҷмӯъ 1.000 сабт гузориш шудааст.

Коркарди қиматҳои гумшуда

Импутатсияи мода ҷойгузин кардани сабтҳои гумшуда бо категорияи аз ҳама бештар дучоршаванда дар тағйирёбандаи дахлдор аст. Ин усул намунагириро бе ҳазфи сатрҳои додаҳо нигоҳ медорад; аммо кафолат дода намешавад, ки он тақсимоти воқеии категорияҳои гумшударо инъикос мекунад.

Манбаъ ба таври равшан нишон намедиҳад, ки амали импутатсия танҳо дар додаҳои омӯзишӣ омӯхта шуда ба додаҳои санҷишӣ татбиқ шудааст ё пеш аз тақсимоти train/test аз рӯйи тамоми додаҳо ҳисоб шудааст. Аз ин рӯ, аз рӯйи манбаъ тасдиқ кардани он ки занҷири preprocessing аз нуқтаи назари ихроҷи эҳтимолии додаҳо чӣ гуна татбиқ шудааст, имконнопазир аст.

Тағйирёбандаҳои хориҷшуда

Манбаъ бо далели фоидаи маҳдуд барои моделсозӣ ё кардиналии баланд policy-number, policy-bind-date, incident-date, policy-state, incident-state, incident-city, incident-location, insured.zip, insured-hobbies, auto-make, auto-model, auto-year ва сутуни иловагиеро, ки аз форматбандии CSV ба вуҷуд омадааст, хориҷ мекунад.

Қисме аз ин қарорҳо ба кам кардани андозаи додаҳо ва мураккабии категориявӣ равона шудаанд. Бо вуҷуди ин, алоҳида санҷида нашудааст, ки оё тағйирёбандаҳои сана ва ҷуғрофӣ барои қаллобӣ маълумоти эҳтимолан муфид доранд ё не; дар таҳқиқот ин тағйирёбандаҳо мустақиман аз модел хориҷ шудаанд.

Санҷиши мултиколлинеарӣ

Дар таҳлили коррелятсионии манбаъ байни months-as-customer ва age 0,92 коррелятсияи мусбат ёфт шудааст. Ҳамчунин гуфта мешавад, ки ҷузъҳои injury-claim, property-claim ва vehicle-claim бо total-claim-amount коррелятсияи баланд доранд. Дар натиҷа хусусиятҳои age ва total-claim-amount аз маҷмӯи моделсозӣ хориҷ шудаанд.

Манбаъ дар саҳифаи 4 heatmap-и секунҷаи коррелятсиониро пешниҳод мекунад. Нақши илмии ин тасвир нишон додани он аст, ки баъзе хусусиятҳои ададӣ ҳамон маълумотро бо қувваи зиёд такрор мекунанд; heatmap кори моделро мустақиман чен намекунад.

Холигии гузориш дар табдили категориявӣ ва миқёсбандӣ

Бахши abstract-и манбаъ мегӯяд, ки додаҳои категориявӣ ба шакли ададӣ табдил дода шуда, амалиёти мувофиқи scaling истифода шудааст. Аммо дар бахши усул номи алгоритми encoding, тарзи коркарди сатҳҳои категориявӣ ё истифода шудани миқёсбанди мушаххас ба мисли StandardScaler ё MinMaxScaler гузориш нашудааст.

Ин норасоӣ махсусан барои такрорпазирии моделҳое ба мисли Logistic Regression ва Naïve Bayes, ки метавонанд аз шакли preprocessing таъсир гиранд, муҳим аст.

Тақсимоти омӯзиш ва санҷиш

Манбаъ маҷмӯи додаҳоро ба %80 омӯзиш ва %20 санҷиш тақсим кардааст. Cross-validation, validation set-и мустақил ё маҷмӯи додаҳои санҷишии беруна гузориш нашудааст.

Ҳамчунин маълум нест, ки random seed истифода шудааст ё ҳангоми split нисбати fraud/non-fraud бо stratification нигоҳ дошта шудааст ё не. Аз ин рӯ, аз манбаъ муайян кардан имкон надорад, ки ҷойгиршавии моделҳои мушоҳидашуда дар як split дар тақсимоти дигар то чӣ андоза устувор хоҳад буд.

Decision Tree чӣ гуна кор мекунад?

Decision Tree таснифгари иерархиест, ки дар ҳар гиреҳ маҷмӯи додаҳоро аз рӯйи як хусусият ба зергуруҳҳои якхелатар ҷудо карда, дар гиреҳи барг қарор дар бораи синф мебарорад. Таҳқиқот барои шарҳи сифати ҷудокунӣ формулаҳои Gini impurity, entropy ва information gain-ро пешниҳод мекунад.

\[ Gini(S)=1-\sum_{i=1}^{n}p_i^2 \]

\(p_i\), дар гиреҳи \(S\), ҳиссаи синфи \(i\)-ум аст. Дар гиреҳи пок ҳамаи мушоҳидаҳо ба як синф тааллуқ доранд ва Gini impurity кам мешавад.

\[ E(S)=-\sum_{i=1}^{n}p_i\log_2(p_i) \]

Entropy низ омехтагии синфҳоро чен мекунад. Гиреҳи якхелатар entropy-и пасттар дорад.

Фоидаи иттилоотии ҷудокунӣ аз рӯйи хусусияти \(A\):

\[ IG(S,A)=E(S)-\sum_{v\in Values(A)} \frac{|S_v|}{|S|}E(S_v) \]

мебошад. Information gain-и баланд маънои онро дорад, ки ҷудокунӣ номуайянии синфро бештар коҳиш медиҳад.

Logistic Regression

Logistic Regression комбинатсияи хаттии хусусиятҳоро ба эҳтимоли мансуб будан ба синфи қаллобӣ табдил медиҳад. Шакли logit, ки манбаъ истифода мекунад:

\[ \ln\left(\frac{P(Y)}{1-P(Y)}\right) = \beta_0+\beta_1X_1+\beta_2X_2+\cdots+\beta_kX_k \]

ва эҳтимоли мутаносиб:

\[ P(Y)= \frac{e^{\beta_0+\beta_1X_1+\cdots+\beta_kX_k}} {1+e^{\beta_0+\beta_1X_1+\cdots+\beta_kX_k}} \]

мебошад. \(X_i\) хусусиятҳои воридотӣ, \(\beta_i\) коэффисиентҳои модел ва \(P(Y)\) эҳтимоли пешгӯишудаи синфи ҳадафро ифода мекунад.

Random Forest

Random Forest усули ensemble мебошад, ки дар зермаҷмӯаҳои гуногуни додаҳо ва хусусиятҳо шумораи зиёди дарахтони қарор месозад ва қарорҳои таснифотии онҳоро якҷоя мекунад. Ҳадаф кам кардани хавфи аз ҳад мутобиқ шудани як дарахт ба намунаҳои мушаххаси омӯзишӣ аст.

Дар ин таҳқиқот бошад, Random Forest синфи қаллобиро дар маҷмӯи санҷишӣ пурра аз даст додааст. Манбаъ шумораи дарахтҳои истифодашуда, maximum depth, таносуби feature sampling, class-weight ё дигар гиперпараметрҳои Random Forest-ро гузориш намедиҳад.

Naïve Bayes

Модели Naïve Bayes ба теоремаи Байес асос ёфтааст:

\[ P(C\mid X)=\frac{P(X\mid C)P(C)}{P(X)} \]

Дар зери фарзияи истиқлолияти шартӣ:

\[ P(C\mid X)\propto P(C)\prod_{i=1}^{n}P(x_i\mid C) \]

ба ин шакл мегузарад. Дар ин ҷо \(C\) синфи қаллобӣ ё ғайриқаллобӣ ва \(X\) маҷмӯи хусусиятҳои мушоҳидашударо ифода мекунад. Фарзияи “Naïve” маънои онро дорад, ки ҳангоми маълум будани синф хусусиятҳо аз ҳамдигар шартан мустақил қабул мешаванд.

Чаро Accuracy Танҳо Барои Муайянкунии Қаллобии Суғуртавӣ Кофӣ Нест?

Азбаски Accuracy нисбати ҳамаи пешгӯиҳои дурустро ба шумораи умумии намунаҳо чен мекунад, дар маҷмӯи санҷишие, ки синфи ақаллият ба мисли қаллобӣ вуҷуд дорад, моделе, ки ҳамеша синфи аксариятро интихоб мекунад, метавонад натиҷаи баланд нишон диҳад; дар ин таҳқиқот аз 200 сабти санҷишӣ 145-то ғайриқаллобӣ ва 55-то қаллобӣ буданд, Random Forest %72 test accuracy ба даст овард, вале ҳеҷ як ҳолати қаллобиро дуруст муайян накард. Аз ин рӯ, recall, F1-score ва MCC нокомиро дар синфи қаллобӣ нисбат ба accuracy равшантар нишон медиҳанд.

Матритсаи иштибоҳ

Мусбати Дуруст, ҳолати қаллобист, ки дуруст ҳамчун қаллобӣ нишонагузорӣ шудааст. Манфии Бардурӯғ, ҳолати қаллобист, ки низом онро аз даст додааст. Мусбати Бардурӯғ, даъвои воқеист, ки иштибоҳан ҳамчун қаллобӣ нишонагузорӣ шудааст; Манфии Дуруст бошад, таснифи дурусти сабти ғайриқаллобӣ аст.

Accuracy

\[ Accuracy= \frac{TP+TN}{TP+TN+FP+FN} \]

Accuracy дақиқии умумии таснифотро нишон медиҳад, вале тақсимоти синфҳоро ба назар намегирад.

Precision

\[ Precision=\frac{TP}{TP+FP} \]

Precision чен мекунад, ки аз даъвоҳое, ки модел онҳоро қаллобӣ гуфтааст, чандто воқеан қаллобӣ мебошанд.

Recall

\[ Recall=\frac{TP}{TP+FN} \]

Recall чен мекунад, ки чанд ҳиссаи ҳолатҳои воқеии қаллобиро модел дарёфт кардааст. Дар заминаи fraud detection, recall-и паст маънои аз даст рафтани шумораи зиёди ҳолатҳои қаллобиро дорад.

F1-score

\[ F1= 2\times \frac{Precision\times Recall} {Precision+Recall} \]

F1-score тавозуни байни precision ва recall-ро дар як қимат ҷамъбаст мекунад.

Matthews Correlation Coefficient

\[ MCC= \frac{(TP\times TN)-(FP\times FN)} {\sqrt{(TP+FP)(TP+FN)(TN+FP)(TN+FN)}} \]

Азбаски MCC чор ҳуҷайраи confusion-matrix-ро ҳамзамон истифода мекунад, барои масъалаҳои таснифоти дуӣ бо синфҳои номутавозун метрикаи муфиди ҷамъбастӣ мебошад. Қимати баланди мусбат ба таснифоти мувофиқтар, қимати наздик ба сифр ба робитаи заиф ва қимати манфӣ ба самти баръакси кор байни пешгӯиҳо ва синфҳои воқеӣ ишора мекунад.

Усул ва Натиҷаҳои Таҳқиқот

Муқоисаи кори моделҳо

Дар Ин Таҳқиқот Кадом Модели Омӯзиши Мошинӣ Натиҷаи Беҳтарин Дод?

Дар шароити ягона маҷмӯи додаҳои Kaggle-и баррасишуда ва тақсимоти истифодашудаи %80:%20 train-test, Decision Tree модели мутавозинтарин буд; бо %79 test accuracy, 0,6909 recall, 0,6441 F1-score ва 0,4984 MCC нисбат ба се модели дигар таснифоти қавитар барои қаллобӣ дод. Ин натиҷа танҳо барои додаҳо ва тарҳи таҷрибавии таҳқиқот эътибор дорад ва нишон намедиҳад, ки Decision Tree дар ҳамаи маҷмӯи додаҳои суғуртавӣ универсалӣ беҳтарин модел аст.

Натиҷаҳои Decision Tree

Манбаъ мегӯяд, ки модели ибтидоии Decision Tree бо нишон додани %100 training accuracy ва %71 test accuracy нишонаи overfitting дошт. Пас аз hyperparameter tuning, accuracy-и омӯзишӣ ба %82,25 коҳиш ёфта, test accuracy ба %79 афзуд.

Test confusion matrix:

Decision Tree аз 55 ҳолати воқеии қаллобӣ 38-тоашро дарёфт карда, 17-тоашро аз даст додааст. Манбаъ наздиктар шудани қиматҳои accuracy-и омӯзиш ва санҷишро пас аз tuning аз ҷиҳати generalization мусбат арзёбӣ мекунад.

Бо вуҷуди ин, азбаски параметрҳои tuning ё тартиби tuning гузориш нашудаанд, ин натиҷаро мустақилона ва пурра бозтавлид кардан мумкин нест.

Натиҷаҳои Random Forest

Random Forest аз 145 сабти ғайриқаллобӣ 144-тоашро дуруст тасниф кард, аммо ҳамаи 55 ҳолати қаллобиро аз даст дод. Дар натиҷа ҳамаи қиматҳои precision, recall ва F1-score ба сифр баробар шуданд.

Дар матни манбаъ барои Random Forest ибораи “perfect training accuracy” истифода мешавад; аммо дар ҷадвали асосии нишондиҳандаҳо training accuracy 0,7887 дода шудааст. Азбаски ин ду қимат бо ҳам мувофиқат намекунанд, дар баёни Verianla ҷадвали рақамии ошкори манбаъ асос гирифта мешавад.

Натиҷаҳои Logistic Regression

Logistic Regression %69,5 test accuracy додааст; аммо аз 55 ҳолати қаллобӣ танҳо 3-тоашро дуруст муайян кардааст. Recall 0,0545, F1-score 0,0896 ва MCC -0,0141 мебошанд. Аз ин рӯ, accuracy-и умумӣ метавонад кори воқеиро дар синфи қаллобӣ аз ҳад қавитар нишон диҳад.

Натиҷаҳои Naïve Bayes

Naïve Bayes бо %70 test accuracy танҳо 2 ҳолати қаллобиро дарёфт кардааст. Recall 0,0364 ва MCC -0,0257 мебошанд. Ин натиҷа низ нишон медиҳад, ки муваффақияти majority class-ро набояд бо муваффақияти муайянкунии қаллобӣ омехта кард.

Дарёфти ҳолатҳои қаллобӣ аз ҷониби моделҳо

Ин ҷадвал фарқи амалии моделҳоро дар таҳқиқот нисбат ба ҷадвали accuracy равшантар нишон медиҳад. Decision Tree қисми муҳими ҳолатҳои қаллобии тестиро дарёфт мекунад, дар ҳоле ки се модели дигар нисбат ба синфи ақаллияти қаллобӣ коҳиши ҷиддии кор нишон медиҳанд.

Ҷадвали манбаъ оид ба намудҳои даъво

Манбаъ ин рақамҳоро дар Table 3 гузориш медиҳад. Онҳоро набояд ҳамчун се намунаи алоҳидаи мустақил аз ҳам тафсир кард; як сабти суғуртавӣ метавонад ҷузъҳои injury, property ва vehicle claim дошта бошад.

Ҳудуди тафсири хусусиятҳо

Манбаъ дар бахши discussion мегӯяд, ки тағйирёбандаҳое чун claim amount-и баланд, missing police report ва баъзе incident characteristics метавонанд нишондиҳандаи қаллобӣ бошанд. Аммо дар таҳқиқот графики feature-importance, қимати SHAP, permutation importance, аҳамиятнокии коэффисиентҳои Logistic Regression ё дигар таҳлили миқдории шарҳпазирӣ гузориш нашудааст.

Аз ин рӯ, ин хусусиятҳо тафсирҳои мушоҳидавӣ/моделии муаллифони манбаъ мебошанд; аз ин PDF наметавон ба таври миқдорӣ муайян кард, ки кадом тағйирёбанда “қавитарин муайянкунандаи қаллобӣ” аст.

Оё Ин Натиҷаҳо Кори Зиндаи Низомҳои Воқеии Суғуртаро Исбот Мекунанд?

Не. Моделҳо дар як маҷмӯи додаҳои таърихии дастраси умум бо як тақсимоти train-test арзёбӣ шудаанд ва ба низоми зиндаи claim-processing-и як ширкати воқеии суғурта ҳамгиро нашудаанд; аз ин рӯ, %79 Decision Tree accuracy ё дигар метрикаҳои гузоришшуда кафолати кори воқеии саҳроӣ нестанд ва дар кишвар, маҳсулот, навъи қаллобӣ ё тақсимоти дигари додаҳо бояд аз нав тасдиқ шаванд.

Маҳдудиятҳои худи таҳқиқот

• Додаҳои дастраси умум метавонанд тамоми мураккабии амалиёти воқеии суғуртаро инъикос накунанд.
• Фарзияҳои ҳар модел метавонанд ба сохтори додаҳо пурра мувофиқат накунанд.
• Моделҳо танҳо дар додаҳои таърихӣ санҷида шудаанд.
• Ҳамгироӣ бо низоми зиндаи суғурта анҷом дода нашудааст.
• Шарҳи аввалини маҳдудиятҳои таҳқиқот эътироф мекунад, ки таҳлили шарҳпазирӣ маҳдуд аст.
• Интиқоли мустақими натиҷаҳо ба кишварҳо, соҳаҳо ё маҷмӯи додаҳои дигар кафолат дода намешавад.

Маҳдудиятҳои иловагии бозтавлидпазирӣ

• Параметрҳои tuning-и Decision Tree гузориш нашудаанд.
• Гиперпараметрҳои Random Forest гузориш нашудаанд.
• Усулҳои Encoding ва scaling ба таври равшан номбар нашудаанд.
• Маълумоти random seed ва stratified splitting дода нашудааст.
• Натиҷаи cross-validation-и татбиқшуда гузориш нашудааст.
• Маҷмӯи мустақили санҷишии беруна вуҷуд надорад.
• Confidence interval ё санҷиши расмии аҳамиятнокии муқоисаи моделҳо гузориш нашудааст.
• Метрикаи AUC-ROC, PR-AUC ё calibration дода нашудааст.
• Арзиши иқтисодии мусбатҳои бардурӯғ ва манфиҳои бардурӯғ моделсозӣ нашудааст.

Номувофиқиҳои таҳрирӣ ва рақамӣ дар дохили манбаъ

• Гарчанде рақамҳои Decision Tree confusion matrix бо натиҷаи %79-и модели tuned мувофиқанд, caption-и дахлдор ибораи “Initial Model”-ро дорад.
• Як сарлавҳаи расм дар шакли “Figure 5: Enter Caption” нотамом мондааст.
• Шарҳи Random Forest perfect training accuracy мегӯяд, дар ҳоле ки Table 2 training accuracy-ро 0,7887 медиҳад.
• Abstract мегӯяд, ки табдили категориявӣ ва scaling татбиқ шудаанд, аммо бахши усул тафсилоти техникии онҳоро намедиҳад.

Тавсияҳои таҳқиқот

Манбаъ барои татбиқҳои оянда чор самтро пешниҳод мекунад. Якум, истифодаи абзорҳое ба мисли SHAP барои баланд бардоштани шарҳпазирӣ дар баробари дақиқӣ. Дуюм, якҷо кардани холҳои ML бо қоидаҳои коршиносӣ. Сеюм, арзёбии SMOTE, алгоритмҳои cost-sensitive ё усулҳои ensemble барои номутавозунии синфҳо. Чорум, санҷиши дубораи хусусиятҳо дар маҷмӯи додаҳои гуногун ва анҷом додани тасдиқи беруна бо додаҳои воқеӣ ё proprietary-и суғуртавӣ.

Муҳим аст, ки ин техникаҳо ҳамчун тавсия пешниҳод шудаанд: дар таҳқиқоти мавҷуда SHAP, SMOTE ё cost-sensitive training татбиқ нашудаанд ва натиҷаи нави кор барои онҳо гузориш нашудааст.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Дар маҷмӯи додаҳои баррасишуда tuned Decision Tree дар байни чор модел кори санҷишии мутавозинтаринро дод.
• Барои Decision Tree test accuracy %79, recall 0,6909, F1-score 0,6441 ва MCC 0,4984 аст.
• Random Forest бо вуҷуди %72 accuracy ягон ҳолати қаллобии тестиро дуруст тасниф карда натавонист.
• Қиматҳои recall-и қаллобӣ барои Logistic Regression ва Naïve Bayes хеле пастанд.
• Дар масъалаи қаллобӣ бо номутавозунии синфҳо F1, recall ва MCC рафтори моделро нишон доданд, ки accuracy танҳо онро ошкор намекунад.
• Тозакунии додаҳо ва интихоби хусусиятҳо қисмҳои муҳими раванди таҳияи модел мебошанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Нишон дода нашудааст, ки Decision Tree дар ҳамаи маҷмӯи додаҳои қаллобии суғуртавӣ универсалӣ беҳтарин модел аст.
• Исбот нашудааст, ки модел дар амалиёти воқеии суғурта %79 accuracy медиҳад.
• Наметавон хулоса кард, ки Random Forest дар маҷмӯъ барои fraud detection алгоритми номуваффақ аст; танҳо сохтори ҳамин таҷриба номуваффақ буд.
• Нишон дода нашудааст, ки хусусиятҳои муайян сабаби қаллобӣ мебошанд.
• Манбаъ рейтинги feature importance ё таҳлили SHAP пешниҳод намекунад.
• Санҷида нашудааст, ки SMOTE, cost-sensitive learning ё SHAP дар ин маҷмӯи додаҳо корро беҳтар мекунанд.
• Ба таври расмӣ нишон дода нашудааст, ки фарқҳои байни моделҳо аз ҷиҳати оморӣ аҳамиятноканд.
• Таҳқиқот коҳиши талафоти молиявиро дар амалиёти воқеии суғурта чен накардааст.

Ёддошт оид ба Манбаъ ва Усул

Унвони пурраи аслӣ: Comparative Analysis of Machine Learning Models for Insurance Fraud Detection.

Тартиби муаллифон дар PDF: Praise Owusu Oteng; Francis Mawuse Addae; Edward Tait Kwaw; Catherine Ewoenam Kwablavi; Bismark Sarkodie; Sandra Addai-Henne.

Аффилиатсия дар PDF: Kwame Nkrumah University of Science and Technology, Department of Statistics and Actuarial Science, Kumasi, Ghana.

Contact Author дар metadata-и SSRN: Praise Oteng.

Платформа: SSRN.

SSRN Abstract ID: 6899161.

DOI: 10.2139/ssrn.6899161.

Date Written: 2 сентябри 2025.

Нашр/ирсол дар SSRN: 30 июни 2026.

Навъи манбаъ: Working paper / preprint.

Вазъи баррасии ҳамтоён: Дар санҷиши библиографии ҷорӣ версияи маҷаллаи аз баррасии ҳамтоён гузашта тасдиқ нашудааст.

Иҷозатнома: Иҷозатномаи кушодаи Creative Commons тасдиқ нашудааст. Дар баёни Verianla матни манбаъ, тарҳи аслии расм ва композитсияи аслии ҷадвал дубора нашр нашудаанд.

Додаҳо: Маҷмӯи сохторёфтаи додаҳои даъвоҳои суғуртавии insurance.claims.csv, ки аз Kaggle гирифта шудааст.

Сохтори тағйирёбандаҳои гузоришшуда дар манбаъ: 40 тағйирёбандаи мустақил ва ҳадафи fraud-reported Y/N.

Маҷмӯи санҷишӣ: Мувофиқи confusion matrix-ҳои манбаъ 200 сабт; 55 қаллобӣ ва 145 ғайриқаллобӣ.

Тақсимоти train-test: %80 / %20.

Коркарди додаҳои гумшуда: Импутатсияи мода барои collision-type, property-damage, authorities-contacted ва police-report-available.

Натиҷаи мултиколлинеарӣ: Коррелятсияи 0,92 байни months-as-customer ва age; age ва total-claim-amount аз маҷмӯи моделсозӣ хориҷ шудаанд.

Моделҳо: Decision Tree, Random Forest, Logistic Regression ва Naïve Bayes.

Метрикаҳои арзёбӣ: Accuracy, Precision, Recall, F1-score ва Matthews Correlation Coefficient.

Натиҷаи асосии кор: Decision Tree — train accuracy 0,8225; test accuracy 0,7900; precision 0,6032; recall 0,6909; F1 0,6441; MCC 0,4984.

Натиҷаи муҳими номутавозунии синфҳо: Бо вуҷуди test accuracy-и 0,7200 барои Random Forest, қиматҳои recall, precision ва F1 ба 0 баробаранд ва ягон ҳолати қаллобӣ дуруст дарёфт нашудааст.

Тафсилоти бозтавлидпазирие, ки дар манбаъ шарҳ нашудаанд: Усули категориявии encoding, scaler, параметрҳои tuning-и Decision Tree, гиперпараметрҳои Random Forest, random seed, stratification, тартиби preprocessing fit ва версияҳои software/package.

Cross-validation: Дар таҷрибаи худи манбаъ гузориш нашудааст. Дар бахши адабиёт истифодаи ten-fold cross-validation дар як таҳқиқоти дигар тавсиф мешавад; ин усули таҳқиқоти ҷорӣ нест.

Муқоисаи оморӣ: Барои фарқҳои моделҳо confidence interval, p-қимат ё санҷиши расмии аҳамиятнокӣ гузориш нашудааст.

Тасдиқи саҳроӣ: Вуҷуд надорад.

Ҳамгироӣ бо низоми зиндаи суғурта: Вуҷуд надорад.

Таҳлили шарҳпазирӣ: Feature importance ё таҳлили SHAP дар таҷрибаи мавҷуда гузориш нашудааст; SHAP барои татбиқҳои оянда тавсия мешавад.

Мувозинатсозии синфҳо: SMOTE ё cost-sensitive learning дар таҷрибаи мавҷуда татбиқ нашудаанд ва ҳамчун тавсия барои таҳқиқоти оянда дода шудаанд.

Номувофиқии дохилии манбаъ: Ибораи “perfect training accuracy” дар матни Random Forest бо 0,7887 дар Table 2 мувофиқат намекунад.

Масъалаи таҳририи расм: Caption-и як расм ҳамчун “Enter Caption” боқӣ мондааст; ибораи “Initial Model” дар caption-и Decision Tree confusion matrix бо натиҷаи tuned %79, ки дар матритса нишон дода шудааст, мувофиқат мекунад.

Маблағгузорӣ: Изҳороти ҷудогонаи маблағгузорӣ гузориш нашудааст.

Бархӯрди манфиатҳо: Изҳороти ҷудогонаи бархӯрди манфиатҳо гузориш нашудааст.

Дастрасии додаҳо: Манбаи Kaggle зикр шудааст, аммо dataset URL-и алоҳида, идентификатори версия ё изҳороти иҷозатномаи додаҳо гузориш нашудааст.

CRediT / саҳмҳои муаллифон: Изҳороти ҷудогонаи CRediT гузориш нашудааст.

Сипосгузорӣ: Муаллифон дар кори худ ба Худо сипос мегӯянд ва саҳми машваратии Dr. Sandra Addai-Henne-ро алоҳида зикр мекунанд.