پیش بینی تقلب در حوزه بیمه بدنه خودرو با استفاده از مدل‌های داده محور (به همراه مطالعه موردی)

امروزه با افزایش رقابت بین شرکت‌های خدماتی بیمه، نیاز به کاهش هزینه‌ها و بهبود بهره‌وری افزایش یافته است. یکی از هزینه‌های نگران کننده شرکت‌های بیمه، هزینه‌های مرتبط با تقلب است. افراد با ارایه اطلاعات نادرست کار را برای شرکت‌های بیمه سخت می‌کنند. با وجود پیشرفت‌هایی که در زمینه پیش بینی تقلب صورت گرفته است، اما هزینه های مربوط به تقلب در حوزه بیمه رو به افزایش است. در این راستا، پژوهش حاضر به توسعه مدل‌هایی برای پیش‌بینی و شناسایی افراد متقلب در یک شرکت منتخب بیمه در شهر شیراز پرداخته است. بدین منظور، ابتدا با استفاده از روش ترکیبی cfs و pca، ابعاد مسئله کاهش می‌یابد. سپس با استفاده از مدل‌های داده‌کاوی درخت تصمیم، ماشین بردار پشتیبان و شبکه عصبی چندلایه، افراد متقلب پیش‌بینی می‌شوند. ارزیابی‌های انجام شده نشان دهنده کاهش زمان حل در تمامی مدل‌ها با استفاده از روش ترکیبی cfs و pca است. همچنین این پژوهش، با استفاده از ماتریس اغتشاش نشان می‌دهد که صحت عملکرد مدل‌های ماشین بردار پشتیبان و شبکه عصبی چندلایه پرسپترون، افزیش یافته است.