基于EasyEnsemble和C5.0决策树算法的患者非医嘱离院预测研究

目的在C5.0决策树算法的基础上,结合处理不平衡样本集的Easy Ensemble思想,建立患者非医嘱离院预测模型,有效识别非医嘱离院倾向患者。方法基于Easy Ensemble思想,通过Bootstrap采样方法抽取多数类样本子集组建多个新的均衡数据样本集,运用C5.0决策树算法并结合交叉验证方法与代价矩阵,训练多个基分类器,最后经Bagging算法集成,得到最终预测模型。结果在10组测试集下平均总分类准确率、平均平衡准确率、少数类别样本平均召回率和平均AUC值分别达到74.27%、82.34%、91.70%、86.21%。结论基于Easy Ensemble和C5.0决策树算法的患者非医嘱离院预测模型有较好较稳定的识别性能,为医院提升医疗质量和服务水平,降低非医嘱离院率提供了有力依据。

基于XGBoost集成模型的社会基本医疗保险参保人欺诈风险预测研究

社会基本医疗保险制度是社保体系的重要组成部分,医保基金则是其物质基础。医疗保险欺诈是指个人或组织故意欺骗或歪曲事实以使其本人或组织获得不法医疗保险资金的行为,它会对医疗保险基金安全构成巨大威胁。然而,传统的欺诈风险识别主要依靠人工审核,成本高、效率低且准确率偏低。因此,科学高效地预测欺诈风险对于反欺诈工作的展开具有重要意义。