Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti
Yıl: 2020 Cilt: 15 Sayı: 2 Sayfa Aralığı: 195 - 209 Metin Dili: Türkçe İndeks Tarihi: 03-05-2021
Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti
Öz: Dolandırıcılık son zamanlarda tüm dünyada artış göstermektedir. Özellikle internet kullanımının artmasıve kredi kartlarının daha yoğun kullanılması ile sahtecilik olayları da artmaktadır. Bankacılık sektöründe kredive 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 sahtehasarların tahmin edilmesi banka sektörüne göre biraz daha zor olduğu ve bu alanda yapılan çalışmaların dahaaz olduğu görülüyor. Bilgisayarların işlem hacimleri ve hızları ilerledikçe insanoğlu daha yeni teknolojileri işhayatının her alanında kullanmaya başlamıştır. Günümüzde artık algoritmanın programın kendisi tarafındanyazılmasından, öğrenmesinden ve uygulamasından bahsediyoruz. Makine öğrenmesi yapay zekanın biruygulamasıdır ve öğrendiklerini deneyerek, geliştirerek sonuç elde eder. Makine öğrenmesi bir çok alandakullanıldığı gibi finans ve sigorta alanlarında da kullanılmaya başlanmıştır. Sigortalı bilgileri ve hasar bilgileribüyük veri havuzunda toplanmakta ve zamanla ciddi boyutlara ulaşmaktadır. Bu verilerin doğru makineöğrenmesi algoritmaları ile iyi analiz edilerek kullanılması durumunda sahte hasarlar büyük oranda tahminedilebilir. Bu çalışmada bir sigorta şirketinden alınan hasar veri seti üzerinden makine öğrenmesi algoritmalarıkullanılarak, hasarların sahte olma durumlarının tahmin skorları karşılaştırılacaktır. 7 değişik makineöğrenmesi algoritmasını aynı veri seti üzerinde, aynı test ve eğitim oranlarında çalıştırıp, doğruluk oranları veperformansları karşılaştırılacak ve nasıl sonuçlar verdiği gösterilecektir.
Anahtar Kelime: Fraud Detection in Insurance Claims with Machine Learning
Öz: Fraud has been rising recent years all over the world. Especially, increase of the internet usage and use of credit cards more increase to fraud cases as well. Much work has been done and measures have been taken in the banking sector to detect and prevent credit and credit card frauds. Similarly, counterfeit claims are also common in the insurance sector. It is seen that the insurance sector is a little more difficult to predict fake claims than the bank sector and the studies in this area are less. As computers' transaction volumes and speeds progress, human beings have started to use newer technologies in every area of their business. Nowadays, we are talking about the writing, learning and implementation of the algorithm by the program itself. Machine learning is an application of artificial intelligence and it achieves results by developing what it has learned. Machine learning has also started to be used in finance and insurance sector like it is used in many industry. Insured customer informations and claim informations are collected in the big data pool and reach serious dimensions over time. If this data is used and analyzed with correct machine learning algorithms, counterfeit claims can be estimated to a large extent. In this study, using the machine learning algorithms on the claim data set obtained from an insurance company, the predictive scores of the fraud cases of the claims will be compared. By running 7 different machine learning algorithms on the same data set with the same test and training rates, the accuracy rates and performances will be compared and the results will be shown.
Anahtar Kelime: Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
- Aggarwal, C.C. (Eds.) (2015), Data Classification Algorithms and Applications, no. 67.
- Alpaydın, E. (2020), Introduction to Machine Learning, no. 3.
- Ayhan, S. ve Erdoğmuş, Ş. (2014), “Destek Vektör Makineleriyle Sınıflandırma Problemlerinin Çözümü İçin Çekirdek Fonksiyonu Seçimi”, Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 9(1), 175- 198
- Barros R.C., de Carvalho A.C.P.L.F., Freitas A.A. (2015). Decision-Tree Induction. In: Automatic Design of Decision-Tree Induction Algorithms. No. 7-9. https://doi.org/10.1007/978-3-319- 14231-9_2
- Bishop, M. (2006), Pattern Recognition and Machine Learning, no. 1.
- Demirci, S. (2019), Sigortacılıkta Yeni Bir Yaklaşım: Katılım Sigortacılığı, İnönü Üniversitesi Hukuk Fakültesi Dergisi – İnÜHFD 10(1): 25-39 (2019).
- Günbatar, E. (2019), Türkiye’ de Otomobil Sigortası Sahtekarlıklarının Makine Öğrenmesi Yöntemleri ile Tespit Edilmesi, yüksek lisans tezi, Hacettepe Üniversitesi Endüstri Mühendisliği Anabilim Dalı.
- Hazım, L.R. (2018), Four Classification Methods Naive Bayesian, Support Vector Machine, KNearest Neighbors and Random Forest Are Tested For Credit Card Fraud Detection, yüksek lisans tezi, Altınbaş Üniversitesi Fen Bilimleri Enstitüsü.
- Joshi, A. V. (2019), Machine Learning and Artificial Intelligence, no. 10-11, 34, 37, https://dx.doi.org/10.1007/978-3-030-26622-6
- Kızılkaya, Y.M. ve Oğuzlar A. (2018), Bazı Denetimli Öğrenme Algoritmalarının R Programlama Dili ile Kıyaslanması, 37(37), 90-98. https://doi.org/10.17498/kdeniz.405746
- Narin, A, İşler, Y, Özer, M. (2014). Konjestif Kalp Yetmezliği Teşhisinde Kullanılan Çapraz Doğrulama Yöntemlerinin Sınıflandırıcı Performanslarının Belirlenmesine Olan Etkilerinin Karşılaştırılması. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 16 (48), 1-8. [Çevrimiçi]. https://dergipark.org.tr/en/pub/deumffmd/issue/40797/492155
- Oshiro T.M., Perez P.S., Baranauskas J.A. (2012) How Many Trees in a Random Forest?. Department of Computer Science and Mathematics Faculty of Philosophy, Sciences and Languages at Ribeirao Preto University. https://doi.org/10.1007/978-3-642-31537-4_13
- Yıldırım, İ. (2013), Türk Sigortacılık Sektörünün Yumuşak Karnı: Sigorta Suistimalleri Sorunu, Sosyal ve Beşeri Bilimler Dergisi, 5(1), 331-340.
- Zhu, X. ve Goldberg A.B. (2009), Introduction to Semi-Supervised Learning, https://doi.org/10.2200/S00196ED1V01Y200906AIM006
- www.ibm.com, [Çevrimiçi]. Available: https://www.ibm.com/tr-tr/analytics/learn/linear-regression
- www.turkishtimedergi.com, [Çevrimiçi]. Available: http://www.turkishtimedergi.com/sigorta/sigorta-sektorunde-sahtecilik-buyuk-veriylesucustu
- www.sas.com, [Çevrimiçi]. Available: https://www.sas.com/tr_tr/customers/sigorta-bilgimerkezi.html
APA | Geren Y (2020). Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. , 195 - 209. |
Chicago | Geren Yaşar Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. (2020): 195 - 209. |
MLA | Geren Yaşar Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. , 2020, ss.195 - 209. |
AMA | Geren Y Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. . 2020; 195 - 209. |
Vancouver | Geren Y Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. . 2020; 195 - 209. |
IEEE | Geren Y "Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti." , ss.195 - 209, 2020. |
ISNAD | Geren, Yaşar. "Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti". (2020), 195-209. |
APA | Geren Y (2020). Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. Turkish Studies - Information Technologies and Applied Sciences, 15(2), 195 - 209. |
Chicago | Geren Yaşar Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. Turkish Studies - Information Technologies and Applied Sciences 15, no.2 (2020): 195 - 209. |
MLA | Geren Yaşar Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. Turkish Studies - Information Technologies and Applied Sciences, vol.15, no.2, 2020, ss.195 - 209. |
AMA | Geren Y Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. Turkish Studies - Information Technologies and Applied Sciences. 2020; 15(2): 195 - 209. |
Vancouver | Geren Y Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti. Turkish Studies - Information Technologies and Applied Sciences. 2020; 15(2): 195 - 209. |
IEEE | Geren Y "Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti." Turkish Studies - Information Technologies and Applied Sciences, 15, ss.195 - 209, 2020. |
ISNAD | Geren, Yaşar. "Makine Öğrenmesi ile Sigorta Hasarlarında Sahtecilik Tespiti". Turkish Studies - Information Technologies and Applied Sciences 15/2 (2020), 195-209. |