基于混沌变分自编码器的单类分类器用于保险欺诈检测
机器学习
2022-12-16 v1
摘要
近来，由于欺诈导致的巨大财务与声誉损失以及欺诈检测技术的斐然成功，保险欺诈检测已变得极为重要。保险主要分为两类：(i) 人寿与 (ii) 非人寿。非人寿保险又包括健康保险与汽车保险等。在任一类中，欺诈检测技术的设计应尽其所能捕获尽可能多的欺诈交易。鉴于欺诈交易稀少，本文提出混沌变分自编码器（C-VAE）对真实交易执行单类分类（OCC）。此处我们采用 logistic 混沌映射在潜空间生成随机噪声。C-VAE 的有效性在健康保险欺诈与汽车保险数据集上得到验证。我们以原生变分自编码器（VAE）为基线。观察到 C-VAE 在两个数据集上均优于 VAE。C-VAE 在健康与汽车保险数据集上分别取得 77.9% 与 87.25% 的分类率。此外，在 1% 显著水平与 18 自由度下进行的 t 检验推断 C-VAE 较 VAE 具有统计显著性。
引用
@article{arxiv.2212.07802,
title = {Chaotic Variational Auto Encoder based One Class Classifier for Insurance Fraud Detection},
author = {K. S. N. V. K. Gangadhar and B. Akhil Kumar and Yelleti Vivek and Vadlamani Ravi},
journal= {arXiv preprint arXiv:2212.07802},
year = {2022}
}
备注
19 pages, 3 figures, 6 tables