集成学习算法在车险欺诈识别中的应用研究  

作　　者：徐成伟 

机构地区：[1]南京审计大学,南京211815

出　　处：《电脑编程技巧与维护》2023年第12期101-104,共4页Computer Programming Skills & Maintenance

摘　　要：集成学习算法是机器学习中一类重要的算法。相比于简单的机器学习算法,集成学习算法能适应日益复杂的应用场景,尤其是在车险欺诈日益猖獗的当下。在此基于随机森林、极度梯度提升(Xgboost)、轻量级梯度提升机器学习(LightGBM)、自适应提升算法(Adaboost)4种集成学习模型构建车险反欺诈系统,在一系列指标下评价4种模型的优劣,并且综合多种模型评估特征重要性,在数据量日益庞大的情况下选出识别车险欺诈最重要的特征数据,提高识别车险欺诈的工作效率。

关 键 词：车险欺诈识别 集成学习 特征重要性评估 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] F841.334[自动化与计算机技术—控制科学与工程]