オラクルの機械学習を利用した不正検知のための2段階のプロセス (2020/10/30)

https://blogs.oracle.com/machinelearning/a-two-step-process-for-detecting-fraud-using-oracle-machine-learning
投稿者：Charlie Berger | Sr. Dir. Product Management, Machine Learning, AI and Cognitive Analytics

著者チャーリー・ベルガー、キム・ドゥフン

自動車保険詐欺は、個人または商用自動車に関わる請求について保険会社を欺くことを含みます。
それは誤解を招くような情報を提供したり、クレームをサポートするために虚偽の文書を提供することを含むことができます。

10人のアメリカ人のほぼ1人は、自分たちがそれで逃げられると知っていれば、保険金詐欺を犯すと考えています。
アメリカ人の4人に1人は、保険会社を詐取することは大丈夫だと答えています。
約10人に1人は、紛失や破損していないものや、発生していない人身事故のクレームを提出することは大丈夫だと答えています。
5人に2人は、保険会社を騙した人を通報する可能性が「あまりない」または「全くない」と回答しています。
アクセンチュア社(2003年) アメリカ人の10人中3人近く(29%)は、知り合いがやった保険詐欺を報告しないでしょう。プログレッシブ保険

人間の専門知識を組み合わせた二段階のプロセス

このブログでは、自動車保険金請求調査員と連携して2つのOracle Machine Learningノートブックを2段階のプロセスで使用していることを紹介します。
まず、教師なし学習アルゴリズム（1クラス・サポート・ベクトル・マシン）を使用して、
調査員のために異常な保険金請求に「フラグ」を立てるためにOracle Machine Learningを使用します。
保険金請求調査員が、Oracle APEXアプリケーションを使用して、専門知識と知識を駆使して、最も疑わしい保険金請求に焦点を当てるのを支援します。

最も疑わしいクレームを調査した後、Oracle Machine Learningを使用してターゲット属性（FraudFound）に教師付き学習分類モデルを構築するための「ラベル付き」データを作成し、
決定事項（Fraudfound？）
教師なし学習と教師付き学習を人間の専門知識と組み合わせたこの2段階のプロセスに基づいて、
データとML駆動型の方法論を構築し、コストのかかる不正な自動車クレームを検出することができます。

以下は、Oracle Machine Learningの2つのNotebook、Oracle APEXとOracle Analytics Cloudからのハイライトです。

「A Two-Step Process for Detecting Fraud using Oracle Machine Learning」のプレゼンテーションと、YouTubeでOML + APEXとOracle Analytics Cloudの統合デモをご覧ください。

プレゼンテーションをダウンロード

Analytics and Data Oracle User Community Githubでデモアセットをダウンロード

第一に、最も疑わしいクレームにフラグを付ける教師なし学習

Oracle Machine Learningの1-Class Support Vector Machineを使用して、
「通常の」レコードでトレーニングを行い、1-Class SVMモデルを保険金請求に適用して、トレーニング集団と最も異なる請求にフラグを立てています。
注: 既知の不正なケースがある場合は、トレーニング・データセットから削除してください。

人間の専門知識を駆使した不審債権の調査・処理

私たちは、「ラベルのないデータ」に基づいて、最も疑わしいクレームを特定するOracle Machine Learningモデルを構築して適用し、OMLの理由を提供してきました（Prediction_Details）。
次に、クレーム調査担当者が最も疑わしいクレームに集中できるようにサポートしたいと考えています。
彼らの知識と長年の専門知識を利用して、調査後、簡単なOracle APEXアプリケーションを使用して、
クレームが不正であるかどうかの判断を入力することができます（Fraudfound - Yes or No）。
この新しい知識を使って、より優れた予測MLモデルを構築していきます。

第二に、不正請求を対象としたモデル構築のための教師付き学習

このキュレーションされた「ラベル付けされた」データを使用して、Oracle Machine Learningの分類モデルを使用して、
ターゲット属性（FraudFound - Yes/No）に対して教師付き学習モデルを構築し、評価し、適用します。
以下のOMLスクリーンショットは、2段階のML手法のこの第2段階のハイライトを示しています。

Oracle APEXを使用したOracle Machine Learningの不正予測とインサイトのレビュー

これで、Oracle Autonomous Database内のデータ、MLモデル、予測、洞察を残し、Oracle APEXを使ってレビューすることができるようになりました。

Oracle Analytics Cloudを使用して、最も可能性の高い不正請求をインタラクティブに探索

最後に、Oracle Analytics Cloudの幅広いインタラクティブなテーブル、チャート、ダッシュボード、
およびフィルタを使用して、最も可能性の高い自動車保険請求をインタラクティブに探索することができます。