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)

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。



まとめ

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駆動の方法論を構築し、コストのかかる不正な自動車保険金請求を検出することができます。



関連する仕事

2020年10月13日、Abi Haigh博士とCharlie Bergerによる

「"Fraud Journey: Human Expert and Machine Learning Working Together to Detect Auto Claims Fraud" 」

コメント

コメントを投稿

このブログの人気の投稿

Oracle Database 19cサポート・タイムラインの重要な更新 (2024/11/20)

イメージ
Oracle Database 19cサポート・タイムラインの重要な更新 (2024/11/20) https://mikedietrichde.com/2024/11/20/important-update-to-oracle-database-19c-support-timelines/ 長い沈黙は、私が隠れているという意味ではありません。つまり、今はとても忙しいということです。そして、より少ない旅行で、私はあなたのコメントにもブログと返信するより多くの時間を持っていることを願っています。それでも、Oracle Database 19cサポート・タイムラインの非常に重要な更新について説明します。 * 更新された内容 2024年11月19日現在、Oracle Database 19cのサポート・タイムラインが調整されています。 MOSノート: 742060.1 – 現在のデータベース・リリースのリリース・スケジュールを見ると、新しい日付が表示されます。 Premier Support、2029年12月31日まで 2030年1月1日から2032年12月31日までの拡張サポート 2033年1月1日から2034年12月31日までのアップグレード・サポート これは知ることがとても大切です。 他のリリースの更新はありますか。 MOSノートの終わりにある変更ログ: 742060.1 – 現在のデータベース・リリースのリリース・スケジュールでは、Oracle Database 21cの最新の更新も確認できます。このリリースのPremier Support期間は、2027年7月31日まで延長されました。 また、Oracle Database 23aiのパッチ適用終了日は2032年12月31日に設定されています。 Lifetime Support Policy 更新は、Oracle Technology Productsの Oracle Lifetime Support Policy (6ページ)でも確認できます。 From: Oracle Lifetime Support Policy for Oracle Technology Product s – page 6 – Nov 19, 2024 特に、次の表に示す制限事項に注意してください。 Oracle Database 1...
続きを読む

Oracle APEXのInteractive Gridで、Oracle Formsと比較して、重複行の検証を制御/通過させる方法 (2022/07/21)

イメージ
Oracle APEXのInteractive Gridで、Oracle Formsと比較して、重複行の検証を制御/通過させる方法 (2022/07/21) https://medium.com/oracledevs/how-to-control-or-pass-validation-for-duplicate-rows-in-interactive-grid-of-oracle-apex-as-compare-18f453f750bf 投稿者： Jignesh oracle Formsでは、データブロックの重複行を制御するのは非常に簡単ですが、IGの検証を制御するにはどうすればよいでしょうか。 必要な出力 ステップ1：インタラクティブグリッドのある白紙ページを作成します（私は1つの領域「IG」を作成し、インタラクティブグリッドとしてタイプを選択しました） ステップ 2: リージョンに Static ID を定義する (私の場合、リージョンは IG で、Static ID も IG です) ステップ3：複製を制御したいカラムのStatic IDを定義します ステップ4：関数とグローバル変数に移動します コード： var validity, message, ui = this.data; (function($) { function update(model) { var projKey = model.getFieldKey(“PROJECT_ID”), recObj = [], recArray = []; model.forEach(function(record, index, id) { var projid = parseInt(record[projKey], 10), // record[salKey] should be a little faster than using model.getValue in a loop meta = model.getRecordMetadata(id); if (!isNaN(projid) && !meta.deleted && !meta.agg) { recObj = {ID: id, project_id: projid}; recArray.push(recObj)...
続きを読む

Oracle APEX 24.1の一般提供の発表 (2024/06/17)

イメージ
Oracle APEX 24.1の一般提供の発表 (2024/06/17) https://blogs.oracle.com/apex/post/announcing-oracle-apex-241 投稿者： Ashish Mohindroo | Vice President, Product Management APEX Low Code Application Platform Oracle APEX 24.1は、 ダウンロード が一般的に可能になり、世界中のOCI APEX Application DevelopmentおよびAutonomous Database Cloud Serviceリージョンにロールアウトされています。この最新リリースで、GenAIを使用して最初のローコード・アプリケーションを構築する方法を学習します。リリースのお知らせのリプレイはこちらからご覧いただけます。 このリリースでは、優れたエンタープライズ・グレードのアプリケーションを簡単に構築できるイノベーションの3つの主要な柱(AI支援アプリケーション開発、Oracleの次世代データ・プラットフォームのパワー活用、高度なWebおよびモバイル・アプリケーションを構築するための強力なエンタープライズ・グレードのコンポーネント)が提供されています。 AI支援アプリ開発 このリリースでは、AIをローコード開発に直接取り込み、すべての開発者が高度なクラウドおよびモバイル・アプリケーションを簡単に構築できるようにしています。開発者は、AIをアシスタントとして使用して、時間と労力を削減してアプリを構築できるようになりました。APEX AIアシスタントを使用すると、開発者は複数のウィンドウを使用して表名と列名を検索する必要がなくなります。 APEX 24.1 では、クラウドおよびモバイル・アプリの自然言語ベースの開発を可能にするネイティブAI搭載APEX AIアシスタントを導入しました。APEX AIアシスタントを使用すると、すべての開発者は自然言語を使用してSQLを生成できるため、アプリケーションをより簡単に構築したり、ワンクリックで構文修正を実行したり、表名を覚える必要がなくなります。開発者は、自然言語プロンプトを使用して目的の機能とコンポーネントを指定し、直感的な会話型インタフェースを使用し...
続きを読む