龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江南大学
摘要：本发明属于人工智能算法应用‑欺诈识别领域，涉及一种基于多种分类算法集成学习的智能医疗欺诈监测方法。过程如下：首先，通过详尽的数据预处理和LASSO算法进行特征选择，优化特征空间，减少冗余信息，提高模型效率。接着，采用DPC‑SMOTE和NCACL算法对不平衡数据集进行处理，确保模型在各类别样本上都能获得良好性能。在模型构建方面，本发明集成了XGBoost、LightGBM、MLP和SVM等多种分类算法，通过Stacking框架将它们组合成强大的集成学习模型，以捕获数据中的多维度信息，实现精准的医疗欺诈识别。
主权项：1.基于多种分类算法集成学习的智能医疗欺诈监测方法，其特征在于，步骤如下：第一步：基于LASSO进行特征选择；1.1：数据预处理，通过合理的缺失值填充和敏感信息删除，确保数据质量；1.2：使用Lasso回归和LassoCV算法，筛选出最具代表性的特征，优化模型性能并防范过拟合；1.3：为后续通过SHAP算法计算特征对模型预测的贡献做铺垫，提供清晰的解释，增强模型的可解释性；第二步：通过数据重采样技术平衡数据集中的类别分布；2.1：使用DPC-SMOTE合成少数类样本；2.2：使用NCACL算法对多数类样本进行下采样，保持数据集总规模不变；第三步：通过Stacking集成学习方法构建一个分类模型；包含XGBoost分类器配置优化、LightGBM分类器配置优化、MLP分类器配置优化、Stacking模型构建；第四步：基于SHAP算法对模型进行可解释性分析；4.1：根据SHAP值的大小，对特征进行排序，以识别出对模型预测结果影响最大的特征；4.2：对计算出的SHAP值进行统计分析，以了解特征对模型预测的整体影响。
全文数据：
权利要求：
百度查询： 江南大学 基于多种分类算法集成学习的智能医疗欺诈监测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号