《表2 特征变量对筛选问题赔案的贡献度分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《运用探索性数据分析（EDA）和梯度提升决策树（GBDT）识别人身保险欺诈的方法探讨》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文探索了在已知问题赔案数据较少的情况下对人身保险领域未知欺诈风险的一种识别方法。首先运用探索性数据分析（EDA）对已知人身保险欺诈案件特征进行分析，其次运用检验梯度提升决策树（GBDT）建立大数据分析模型，通过对比待核实赔案信息（特征）和问题赔案信息（特征）之间的相似程度，从医院、疾病、地域、保费、赔付金额等角度对待核实欺诈数据进行分析，发现可疑赔案，最后针对重点可疑赔案进行复勘确认，得到了较好的识别效果。