تشخیص تقلب در بیمهٔ خودرو با استفاده از خوشه‌بندی بهبودیافته به کمک الگوریتم ژنتیک
تشخیص تقلب در بیمهٔ خودرو با استفاده از خوشه‌بندی بهبودیافته به کمک الگوریتم ژنتیک
نوشتهٔ
Behnam Yousefimehr, Mehdi Ghatee, Sina Moradi, Yasamin Tafakor, Sajed Tavakoli
برای انتشار در نشریهٔ «Iranian Journal of Insurance Research (IJIR)» پذیرفته شده است.
چکیده:
پیشینه و اهداف: خوشه‌بندی یکی از روش‌های بنیادی در داده‌کاوی و یادگیری ماشین است که برای تقسیم یک مجموعه‌داده به زیرمجموعه‌های همگن استفاده می‌شود. روش‌های گوناگونی برای خوشه‌بندی وجود دارند که هرکدام نقاط قوت و ضعف خود را دارند. یکی از چالش‌های اصلی در خوشه‌بندی، یافتن تعداد بهینهٔ خوشه‌ها و تخصیص بهینهٔ داده‌ها به این خوشه‌هاست. الگوریتم ژنتیک، به‌عنوان روشی بهینه‌سازی مبتنی بر تکامل طبیعی، توانایی بالایی در حل مسائل پیچیده و جست‌وجو در فضاهای بزرگ پاسخ دارد و می‌تواند به‌طور مؤثر به‌عنوان ابزاری برای خوشه‌بندی به کار رود. هدف این مقاله، ارزیابی عملکرد و دقت الگوریتم ژنتیک در خوشه‌بندی داده‌ها و مقایسهٔ آن با روش‌های متداول خوشه‌بندی است. برای ارزیابی عملکرد این الگوریتم، از چند مجموعه‌دادهٔ بیمه استفاده شد و نتایج با معیارهای مختلفی مانند دقت، سرعت و همگرایی تحلیل شدند. همچنین پارامترهای مختلف الگوریتم ژنتیک بررسی شدند تا تأثیر آن‌ها بر عملکرد نهایی الگوریتم مشخص شود و تنظیمات بهینه برای خوشه‌بندی داده‌ها به دست آید.
روش: در این پژوهش، برای تشکیل کروموزوم‌ها ابتدا تعداد خوشه‌ها مشخص شد. با توجه به اینکه هر مرکز خوشه به‌اندازهٔ مجموعه‌داده ویژگی دارد، طول هر کروموزوم از حاصل‌ضرب تعداد خوشه‌ها در تعداد ویژگی‌ها تعیین شد. برای فرایندهای تقاطع، جهش و بقا، روش‌های نوین و متنوعی به کار گرفته شد. همچنین برای بهینه‌سازی عملکرد خوشه‌بندی، امتیاز برازندگی مشابه الگوریتم k-means انتخاب شد. این رویکرد نوآورانه، دقت و کارایی فرایند خوشه‌بندی را بهبود داد.
یافته‌ها: با اعمال روش شرح‌داده‌شده در این مقاله بر سه مجموعه‌دادهٔ بیمه برای تشخیص تقلب، نتایج جالبی به دست آمد: در مجموعه‌دادهٔ نخست، بهبود 27% در F1 و افزایش 6% در دقت؛ در مجموعه‌دادهٔ دوم، بهبود 1% در F1 و 2% در دقت؛ و در مجموعه‌دادهٔ سوم، بهبود 2% در F1 و 9% در دقت در مقایسه با روش K-means و دیگر رویکردها. با توجه به ماهیت دودویی داده‌های این مجموعه‌ها، مسئله با استفاده از الگوریتم برای دو خوشه حل شد و بهترین برچسب هر خوشه براساس برچسب‌های واقعی داده‌ها انتخاب شد. نتایج به‌صورت خروجی‌های طبقه‌بندی ارائه شدند.نتیجه‌گیری: الگوریتم ژنتیک توانایی حل مسائل پیچیده‌ای را دارد که پاسخ قطعی ندارند و می‌تواند در خوشه‌بندی داده‌ها از روش‌های متداول مانند k-means بهتر عمل کند. استفاده از معیارهای ارزیابی گوناگون، مانند امتیاز سیلوئت، امتیاز دیویس–بولدین و شاخص تعدیل‌شدهٔ رند (ARI)، در این الگوریتم امکان بهبود مراکز خوشه‌ها را فراهم می‌کند. این رویکرد با بهره‌گیری از احتمال و تصادفی‌بودن، بررسی نقاط بیشتری را به‌عنوان مراکز خوشه ممکن می‌سازد و عملکرد خوشه‌بندی را بهبود می‌دهد. نتایج نشان می‌دهند که این روش در برخی موارد می‌تواند از روش‌های شناخته‌شده بهتر عمل کند و ساختاری مناسب برای خوشه‌بندی داده‌ها با استفاده از الگوریتم ژنتیک فراهم آورد.
شناسهٔ DOI: 10.22056/ijir.2024.369483.3207