Citation Number
1
Views
52
Downloands
15
Dolandırıcılık son zamanlarda tüm dünyada artış göstermektedir. Özellikle internet kullanımının artması ve kredi kartlarının daha yoğun kullanılması ile sahtecilik olayları da artmaktadır. Bankacılık sektöründe kredi ve kredi kartı sahteciliklerinin tespiti ve önlenmesi ile ilgili bir çok çalışma yapılmış ve önlemler alınmıştır. Benzer şekilde sahte hasarlar sigorta sektöründe de yaygın bir şekilde görülmektedir. Sigorta sektöründe sahte hasarların tahmin edilmesi banka sektörüne göre biraz daha zor olduğu ve bu alanda yapılan çalışmaların daha az olduğu görülüyor. Bilgisayarların işlem hacimleri ve hızları ilerledikçe insanoğlu daha yeni teknolojileri iş hayatının her alanında kullanmaya başlamıştır. Günümüzde artık algoritmanın programın kendisi tarafından yazılmasından, öğrenmesinden ve uygulamasından bahsediyoruz. Makine öğrenmesi yapay zekanın bir uygulamasıdır ve öğrendiklerini deneyerek, geliştirerek sonuç elde eder. Makine öğrenmesi bir çok alanda kullanıldığı gibi finans ve sigorta alanlarında da kullanılmaya başlanmıştır. Sigortalı bilgileri ve hasar bilgileri büyük veri havuzunda toplanmakta ve zamanla ciddi boyutlara ulaşmaktadır. Bu verilerin doğru makine öğrenmesi algoritmaları ile iyi analiz edilerek kullanılması durumunda sahte hasarlar büyük oranda tahmin edilebilir. Bu çalışmada bir sigorta şirketinden alınan hasar veri seti üzerinden makine öğrenmesi algoritmaları kullanılarak, hasarların sahte olma durumlarının tahmin skorları karşılaştırılacaktır. Yaklaşık 7 değişik makine öğrenmesi algoritmasını aynı veri seti üzerinde, aynı test ve eğitim oranlarında çalıştırıp, doğruluk oranları ve performansları karşılaştırılacak ve nasıl sonuçlar verdiği gösterilecektir.
Fraud has been increasing worldwide in recent years. In particular, the increase in the use of the internet and the more intense use of credit cards also increases the incidents of fraud. Many studies have been done and measures have been taken in the banking sector regarding the detection and prevention of credit and credit card fraud. Similarly, false damages are widely seen in the insurance sector. Fake damages in the insurance sector are somewhat harder to predict than the banking sector, and there is less work done in this area. As the processing volume and speed of computers advances, the human being has begun to use more new technologies in all areas of the business life. Today we are talking about the writing, learning and application of the algorithm by the program itself. Machine learning is an application of artificial intelligence and results by trying and improving what they learn. Machine learning has been used in many fields as well as in finance and insurance. Insured information and damage information is gathered in a large data pool and reaches serious dimensions over time. If these data are well analyzed and used with correct machine learning algorithms, false damage can be predicted to a large extent. In this study, using machine learning algorithms through the damage data set obtained from an insurance company, the predictive scores of the cases of false damage will be compared. Approximately 7 different machine learning algorithms will be run on the same data set, at the same test and training rates, and the accuracy rates and performance will be compared and the results will be shown.
Journal Type : Uluslararası
Article Detail 
Citation Owners
Similar Articles
Journal Information
Listen Paper
Print This Page
Share
Mendeley
