論文の概要: Markov model with machine learning integration for fraud detection in
health insurance
- arxiv url: http://arxiv.org/abs/2102.10978v1
- Date: Thu, 11 Feb 2021 13:01:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:38:32.895355
- Title: Markov model with machine learning integration for fraud detection in
health insurance
- Title(参考訳): 健康保険における不正検出のための機械学習統合型マルコフモデル
- Authors: Rohan Yashraj Gupta, Satya Sai Mudigonda, Pallav Kumar Baruah and
Phani Krishna Kandala
- Abstract要約: この研究は、健康保険請求書における勾配押し上げ手法を用いたマルコフモデルと改良マルコフモデルという2つのアプローチを提示した。
データセット382,587の主張のうち38,082は不正である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fraud has led to a huge addition of expenses in health insurance sector in
India. The work is aimed to provide methods applied to health insurance fraud
detection. The work presents two approaches - a markov model and an improved
markov model using gradient boosting method in health insurance claims. The
dataset 382,587 claims of which 38,082 claims are fraudulent. The markov based
model gave the accuracy of 94.07% with F1-score at 0.6683. However, the
improved markov model performed much better in comparison with the accuracy of
97.10% and F1-score of 0.8546. It was observed that the improved markov model
gave much lower false positives compared to markov model.
- Abstract(参考訳): インドでは、医療保険部門の経費が大幅に増加した。
この研究は、健康保険詐欺の検出に適用される方法を提供することを目的としている。
この研究は、健康保険請求書における勾配押し上げ手法を用いたマルコフモデルと改良マルコフモデルという2つのアプローチを提示した。
データセット382,587の主張のうち38,082は不正である。
マルコフベースのモデルは94.07%の精度でF1スコアは0.6683である。
しかし、改良されたマルコフモデルは、97.10%の精度と0.8546のf1-scoreと比較してはるかに優れた性能を示した。
改良されたマルコフモデルがマルコフモデルよりもはるかに低い偽陽性率を示した。
関連論文リスト
- PUMA: margin-based data pruning [51.12154122266251]
モデル分類境界からの距離(すなわちマージン)に基づいて、いくつかのトレーニングサンプルを除去するデータプルーニングに焦点を当てる。
我々は,DeepFoolを用いてマージンを算出する新しいデータプルーニング戦略PUMAを提案する。
PUMAは,現状の最先端手法であるロバスト性の上に利用でき,既存のデータプルーニング戦略と異なり,モデル性能を著しく向上させることができることを示す。
論文 参考訳(メタデータ) (2024-05-10T08:02:20Z) - Data-Free Hard-Label Robustness Stealing Attack [67.41281050467889]
本稿では,Data-Free Hard-Label Robustness Stealing(DFHL-RS)攻撃について紹介する。
ターゲットモデルのハードラベルをクエリするだけで、モデル精度とロバスト性の両方を盗むことができる。
本手法は,AutoAttackに対して77.86%,頑健な39.51%の精度を実現する。
論文 参考訳(メタデータ) (2023-12-10T16:14:02Z) - Model-free Test Time Adaptation for Out-Of-Distribution Detection [62.49795078366206]
我々はtextbfDistribution textbfDetection (abbr) のための非パラメトリックテスト時間 textbfAdaptation フレームワークを提案する。
Abbrは、オンラインテストサンプルを使用して、テスト中のモデル適応、データ分散の変更への適応性を向上させる。
複数のOOD検出ベンチマークにおける包括的実験により,abrの有効性を示す。
論文 参考訳(メタデータ) (2023-11-28T02:00:47Z) - Machine Learning For An Explainable Cost Prediction of Medical Insurance [0.0]
医療保険コストを予測するために3つの回帰ベースのアンサンブルMLモデルが導入された。
R-squared, Mean Absolute Error, Root Mean Squared Error, Mean Absolute Percentage Errorの4つの評価指標を用いて評価を行った。
論文 参考訳(メタデータ) (2023-11-23T18:13:34Z) - Enhancing Automated and Early Detection of Alzheimer's Disease Using
Out-Of-Distribution Detection [0.0]
65歳以上の高齢者の10.7%以上がアルツハイマー病に罹患している。
早期診断と治療は、ほとんどのアルツハイマー患者は、その効果が有害になるまでそれを持つことに気づいていないため、極めて重要である。
論文 参考訳(メタデータ) (2023-09-04T01:58:48Z) - Predicted Embedding Power Regression for Large-Scale Out-of-Distribution
Detection [77.1596426383046]
本研究では,学習過程において学習したラベル分布に基づいて,予測されたクラスラベルの確率を計算する手法を開発した。
提案手法は,計算コストの最小化のみで,現在の最先端手法よりも優れた性能を発揮する。
論文 参考訳(メタデータ) (2023-03-07T18:28:39Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Accurate and Interpretable Machine Learning for Transparent Pricing of
Health Insurance Plans [3.772148470078554]
医療保険会社は米国人口の半分をカバーし、年間1.2兆米ドルを支払って会員の医療費をカバーしている。
医療保険会社におけるアクチュアリーとアンダーライターの役割は、どのリスクを取るか、そのリスクをどのように価格で評価し、組織の利益性を確保するのに役立つ。
患者レベルと雇用者レベルという2つのモデルを作成し,雇用者グループに対する年会費の予測を行った。
我々のモデルは、保険会社の既存の価格モデルよりも20%良いパフォーマンスを示し、譲歩機会の84%を特定できた。
論文 参考訳(メタデータ) (2020-09-23T08:07:33Z) - Towards Credit-Fraud Detection via Sparsely Varying Gaussian
Approximations [0.0]
本稿では,この予測システムに不確実性を取り入れたクレジットカード不正検出手法を提案する。
異なるカーネルセットと異なるインジェクションデータポイントで同じ動作を行い、最適な精度が得られた。
論文 参考訳(メタデータ) (2020-07-14T16:56:06Z) - Robust Out-of-distribution Detection for Neural Networks [51.19164318924997]
既存の検出機構は, 分布内およびOOD入力の評価において, 極めて脆弱であることを示す。
ALOE と呼ばれる実効性のあるアルゴリズムを提案する。このアルゴリズムは,逆向きに構築された逆数と外数の両方の例にモデルを公開することにより,堅牢なトレーニングを行う。
論文 参考訳(メタデータ) (2020-03-21T17:46:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。