基于Stacking融合模型的汽车保险诈骗分析.pdfVIP

StatisticsandApplication统计学与应用,2024,13(4),1329-1338

PublishedOnlineAugust2024inHans./journal/sa

/10.12677/sa.2024.134134

基于Stacking融合模型的汽车保险诈骗分析

陈浩铭，赵月旭*

杭州电子科技大学经济学院，浙江杭州

收稿日期：2024年7月20日；录用日期：2024年8月11日；发布日期：2024年8月22日

摘要

随着中国新能源汽车的兴起，关于汽车保险诈骗的问题日益突出。为了对保险诈骗行为进行有效识别，

本文基于机器学习的相关理论，利用模拟退火算法调参的Stacking融合模型对保险欺诈进行预测。首先，

利用随机森林和XGBoost算法筛选得到两个不同特征的训练数据集，然后通过差异化的数据来优化

Stacking模型的预测能力，并利用交叉验证法得到最优模型，其准确率为87.43%。实证分析表明，相较

于未使用差异化数据的Stacking模型，本文所建的融合模型对汽车保险欺诈行为有更高的识别能力。

关键词

汽车保险欺诈，Stacking模型，机器学习，模拟退火算法，特征重要性

AnalysisofCarInsuranceFraudBasedon

StackingFusionModel

HaomingChen,YuexuZhao*

CollegeofEconomics,HangzhouDianziUniversity,HangzhouZhejiang

ththnd

Received:Jul.20,2024;accepted:Aug.11,2024;published:Aug.22,2024

Abstract

WiththeriseofnewenergyvehiclesinChina,theissueofcarinsurancefraudhasbecomeincreas-

inglyprominent.Inordertoeffectivelyidentifyfraudulentinsuranceactivities,thisstudyemploys

theStackingensemblemodel,optimizedusingsimulatedannealingalgorithmtuningbasedonma-

chinelearningtheories,topredictinsurancefraud.Initially,utilizingtheRandomForestandXGBoost

algorithms,twodistinctfeaturesetsareselectedtoconstructtrainingdatasets.Subsequently,by

employingdifferentiateddata,thepredictivecapabilityoftheStackingmodelisenhanced.Through

*通讯作者。

文章引用:陈浩铭,赵月旭.基于Stacking融合模型的汽车保险诈骗分析[J].统计学与应用,2024,13(4):1329-1338.

DOI:10.12677/sa.2024.134134

陈浩铭，赵月旭

cross-validation,theoptimalmodelisobtainedanditsaccuracyis87.43%.Empiricalanalysisshows

thatcomparedtotheStackingmodelwithoutdifferentiateddata,theensemblemodeldevelopedin

thisstudyexhibi