临床医学大数据分析与挖掘—基于Python的机器学习与临床决策 第11章 基于TipDM数据挖掘建模平台实现医疗保险的欺诈发现.ppt

数据上传完成后，新建一个命名为【医疗保险的欺诈发现】的空白工程，配置一个【输入源】组件，步骤如下。 在【工程】模块左下方的【组件】栏中，找到【系统组件】类下的【输入/输出】类。拖曳【输入/输出】类中的【输入源】组件至工程画布中。 获取数据 单击画布中的【输入源】组件，然后单击工程画布右侧【字段属性】栏中的【数据表】框，输入“policy_holder”，在弹出的下拉框中选择【policy_holder】，如图所示。 获取数据 右键点击【输入源】组件，选择【重命名】输入“投保人信息表”，如图所示。 获取数据 右键单击【投保人信息表】组件，选择【查看数据】，如图所示。由图可知，该数据共有400条记录。 获取数据 描述性统计分析，计算每个属性的记录总数、均值、方差、最小值、最大值和缺失值个数等指标，步骤如下。 拖曳【统计分析】类中的【全表统计】组件至工程画布中，并与【投保人信息表】组件相连接。 数据准备 1.描述性统计 单击画布中的【全表统计】组件，在工程画布右侧【字段属性】栏中，单击【特征】项下的【刷新】按钮，勾选全部字段，如图所示。 数据准备 右键单击【全表统计】组件，选择【运行该节点】。运行完成后，右键单击【全表统计】组件，选择【查看数据】，如图所示，字段“null”数值为0，说明数据中不存在空值的记录。 数据准备 将投保人信息表进行列名修改，步骤如下。 拖曳【数据预处理】类中的【修改列名】组件至工程画布中，并与【投保人信息表】组件相连接。 数据准备 2.修改列名 单击画布中的【修改列名】组件，在工程画布右侧【字段属性】栏中，单击【特征】项下的【刷新】按钮，勾选全部字段，如图所示。 数据准备 在工程画布右侧【字段属性】，在【新列名】项【新字段名】列中输入各字段的新字段名，如图所示。 数据准备 右键单击【修改列名】组件，选择【运行该节点】。运行完成后，右键单击【修改列名】组件，选择【查看数据】，如图所示，经过【修改列名】组件处理后，数据的字段名已修改为新字段名。 数据准备 选用保险条款分析投保人信息，并绘制饼图，步骤如下。 拖曳【绘图】类中的【饼图】组件至工程画布中，并与【保险条款频数统计】组件相连接。 数据准备 2.绘制保险条款类别饼图 单击画布中的【饼图】组件，在工程画布右侧【字段属性】栏中，单击【绘制数据】项下的【刷新】按钮，勾选count字段，单击【标签】项下的【刷新】按钮，勾选保险条款字段，如图所示。 数据准备 右键单击【饼图】组件，选择【运行该节点】。运行完成后，右键单击【饼图】组件，选择【查看报告】，如图所示，投保险条款分别为老年保障险与伤残险，这两种保险条款被投数量比例几近一致。 数据准备 本章主要根据投保人的住院开始时间属性将其划分为上、下半年两个部分后，分别统计得到半年保费覆盖额、半年账单金额、半年支付金额、半年支付笔数、年龄、性别、保险条款、治疗措施编码。采用的方法有表连接、数据编码化和数据标准化等。 特征工程 将投保人信息表的年龄、性别、保险条款、治疗措施编码，与索赔信息表统计得到半年保费覆盖额、半年账单金额、半年支付金额、半年支付笔数，按照投保人编号，所属时间段为组件就行全外连接，步骤如下。 拖曳【数据预处理】类中的【表连接】组件至工程画布中，并与【表堆叠】、【表连接】组件相连接。 单击【左表特征】项下的【刷新】按钮，选择全部字段。单击【右表特征】项下的【刷新】按钮，选择全部字段，单击【左表主键】项下的【刷新】按钮，选择“投保人编号”和“所属时间段”，单击【左表组件】项下的【刷新】按钮，选择“投保人编号”和“所属时间段”。 特征工程 1.表连接 单击工程画布右下方的【参数设置】栏，在【连接方法】项中选择【全外连接】，如图所示。 特征工程 运行【表连接】组件，运行完成后，右键单击【表连接】组件，选择【查看数据】查看组件数据。【表连接】组件处理后的数据共有800条记录，10个字段。 特征工程 由于数据中“保险条款”，“治疗措施编码”，“性别”为字符型数据，需要将这些字段进行独热编码，步骤如下。 拖曳【数据预处理】类中的【数据编码化】组件至工程画布中，并与【缺失值处理】组件相连接。 特征工程 2.数据编码化 单击【数据】项下的【刷新】按钮，勾选全部字段，单击【编码特征】项下的【刷新】按钮，勾选“保险条款”，“治疗措施编码”，“性别”字段，如图所示。 特征工程 运行【数据编码化】组件，运行完成后，右键单击【数据编码化】组件，选择【查看数据】查看组件数据，如图所示。字段“保险条款”，“治疗措施编码”，“性别”已独热编码化。 特征工程 由于属性间的数据取值范围差异较大，为了消除量级带来的影响，需要进行标准化处理，步骤如下。 拖曳【数据预处理】类中的【数据标准化】组件至工程画布中，并与【数据编码化】组件