基于随机森林与GBDT的社会医疗保险欺诈识别问题研究
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 1 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究的意义 | 第9-10页 |
| 1.3 研究的创新点与局限性 | 第10-11页 |
| 2 国内外研究现状与发展趋势 | 第11-17页 |
| 2.1 社会医疗保险欺诈的定义 | 第11-12页 |
| 2.2 社会医疗保险欺诈的现状 | 第12-13页 |
| 2.3 社会医疗保险欺诈的识别 | 第13-17页 |
| 2.3.1 国外的主要识别方法 | 第13-14页 |
| 2.3.2 国内的主要识别方法 | 第14-17页 |
| 3 数据预处理 | 第17-29页 |
| 3.1 原始数据说明 | 第17-18页 |
| 3.2 数据清洗 | 第18-29页 |
| 3.2.1 剔除只有一种取值的无效变量 | 第18-19页 |
| 3.2.2 缺失值插补 | 第19-20页 |
| 3.2.3 不规则变量的转化 | 第20-24页 |
| 3.2.4 剔除无效观测 | 第24页 |
| 3.2.5 梳理各金额类变量间的关系 | 第24-27页 |
| 3.2.6 梳理数据集间的逻辑关系 | 第27-29页 |
| 4 对社会医疗保险欺诈的描述性统计 | 第29-47页 |
| 4.1 基础描述性统计 | 第29-37页 |
| 4.1.1 时间覆盖范围 | 第29-30页 |
| 4.1.2 各医院的就诊量分布 | 第30-31页 |
| 4.1.3 费用来源方面各项金额的基础统计 | 第31-32页 |
| 4.1.4 费用支付方面各项金额的基础统计 | 第32-33页 |
| 4.1.5 基于出院诊断的主要病症描述性统计 | 第33-35页 |
| 4.1.6 三目统计项目分类 | 第35-36页 |
| 4.1.7 诊疗消费的描述性统计 | 第36-37页 |
| 4.2 引入违规标签后的描述性统计 | 第37-47页 |
| 4.2.1 违规标签与就诊次数 | 第37-38页 |
| 4.2.2 违规标签与交易时间 | 第38-39页 |
| 4.2.3 违规标签与医院编号 | 第39-40页 |
| 4.2.4 违规标签与金额的基本统计 | 第40-43页 |
| 4.2.5 违规标签与病症关键词 | 第43-44页 |
| 4.2.6 违规标签与三目统计项目 | 第44-45页 |
| 4.2.7 违规标签与消费关键词 | 第45-47页 |
| 5 特征提取与整合 | 第47-56页 |
| 5.1 全局特征提取 | 第47-52页 |
| 5.1.1 基于就诊地点维度的特征提取 | 第47-50页 |
| 5.1.2 基于就诊费用维度的特征提取 | 第50-52页 |
| 5.1.3 基于关键词维度的特征提取 | 第52页 |
| 5.2 局部特征提取 | 第52-55页 |
| 5.3 特征的整合 | 第55-56页 |
| 6 基于随机森林与GBDT的社会医疗保险欺诈识别 | 第56-67页 |
| 6.1 算法介绍 | 第56-60页 |
| 6.1.1 随机森林 | 第56-58页 |
| 6.1.2 GBDT | 第58-60页 |
| 6.2 算法构建 | 第60-62页 |
| 6.3 模型验证 | 第62-67页 |
| 6.3.1 训练集与测试集的划分 | 第62-63页 |
| 6.3.2 验证指标介绍 | 第63-64页 |
| 6.3.3 验证结果 | 第64-65页 |
| 6.3.4 模型融合 | 第65-67页 |
| 7 研究结论与政策建议 | 第67-70页 |
| 7.1 主要研究结论 | 第67-68页 |
| 7.1.1 总体就诊情况与违规人员的特征 | 第67-68页 |
| 7.1.2 社会医疗保险欺诈智能识别具有可行性 | 第68页 |
| 7.2 政策建议 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74-80页 |
| 后记 | 第80-81页 |
