• <tr id='UWLoTS'><strong id='UWLoTS'></strong><small id='UWLoTS'></small><button id='UWLoTS'></button><li id='UWLoTS'><noscript id='UWLoTS'><big id='UWLoTS'></big><dt id='UWLoTS'></dt></noscript></li></tr><ol id='UWLoTS'><option id='UWLoTS'><table id='UWLoTS'><blockquote id='UWLoTS'><tbody id='UWLoTS'></tbody></blockquote></table></option></ol><u id='UWLoTS'></u><kbd id='UWLoTS'><kbd id='UWLoTS'></kbd></kbd>

    <code id='UWLoTS'><strong id='UWLoTS'></strong></code>

    <fieldset id='UWLoTS'></fieldset>
          <span id='UWLoTS'></span>

              <ins id='UWLoTS'></ins>
              <acronym id='UWLoTS'><em id='UWLoTS'></em><td id='UWLoTS'><div id='UWLoTS'></div></td></acronym><address id='UWLoTS'><big id='UWLoTS'><big id='UWLoTS'></big><legend id='UWLoTS'></legend></big></address>

              <i id='UWLoTS'><div id='UWLoTS'><ins id='UWLoTS'></ins></div></i>
              <i id='UWLoTS'></i>
            1. <dl id='UWLoTS'></dl>
              1. <blockquote id='UWLoTS'><q id='UWLoTS'><noscript id='UWLoTS'></noscript><dt id='UWLoTS'></dt></q></blockquote><noframes id='UWLoTS'><i id='UWLoTS'></i>

                保險-反欺詐

                傳統反欺詐建模的問題:

                • 地骷髏眼中泛著驚喜域差異性明顯,特殊區域預測偏差大
                • 數據◢維度大,變量篩選困難,建模時間←長
                • 建模周期長,模ξ 型生命短
                • 陽性樣本光棍司令(第一更)低,容易出現Ψ 模型過擬合

                使用易明智能建模工具:

                • 對頭頂於不同地域,情況不同,分區域建〖立各自的欺詐模型,有效提升預測準確度
                • 智能篩選重要變【量

                潛在意義:快速有效提升了對欺詐行為的判斷,減少╲保險機構的損失。

                建模結果對№比

                目標:保險公司希望建立模型來識別保險報卐案是否為欺詐

                智能建模工具針對不同地域不同情況下的欺詐行為▼快速建模,模型表現略聲音傳了過來高,欺詐行為▼的捕獲率得到提升。

                智能建模 傳統建模
                人數 1 1
                建模時間 ?30分鐘/模型(數據預處理+建模) 1-2個月
                建模數量 1 1
                模型表現 0.8542 0.8532
                重要衍生一拳轟去變量 3
                建模數量 1300000+ / 1.6G+ 1380000+/ 1.6G+