利用异常检测导出的常规与特异轮廓特征提取增强理赔分类
机器学习
2022-09-27 v1
摘要
基于使用的保险正成为车险的新标准；因此，寻找高效利用被保险人驾驶数据的方法具有现实意义。将异常检测应用于车辆行程摘要，我们开发了一种方法，可为每辆车导出“常规”与“特异”异常轮廓。为此，使用异常检测算法为车辆每次行程计算常规与特异异常分数。前者衡量该行程相对于所涉车辆其他行程的异常程度，后者衡量其相对于任意车辆行程的异常程度。所得异常分数向量被用作常规与特异轮廓。随后从这些轮廓中提取特征，并考察其在理赔分类框架中的预测能力。利用真实数据，我们发现从车辆特异轮廓提取的特征改善了分类效果。
引用
@article{arxiv.2209.11763,
title = {Enhancing Claim Classification with Feature Extraction from Anomaly-Detection-Derived Routine and Peculiarity Profiles},
author = {Francis Duval and Jean-Philippe Boucher and Mathieu Pigeon},
journal= {arXiv preprint arXiv:2209.11763},
year = {2022}
}
备注
26 pages, 10 figures, 9 tables