基于保险反欺诈任务的跨表特征工程方法

1 论文标题：基于保险反欺诈任务的跨表特征工程方法

2 作者信息：董今妮, 邓 潇, 那崇宁, 杨 耀, 陈 奎*：之江实验室，浙江 杭州

3 出处和链接：董今妮, 邓潇, 那崇宁, 杨耀, 陈奎. 基于保险反欺诈任务的跨表特征工程方法[J]. 人工智能与机器人研究, 2024, 13(2): 467-477. https://doi.org/10.12677/AIRR.2024.132048

4 摘要：特征工程是使用机器学习技术解决场景任务过程的核心环节，特征工程的质量决定了模型效果的上限。本文将聚焦汽车保险反欺诈任务，研究跨表特征工程技术，解决汽车保险反欺诈过程中的数据表格聚合和高效特征挖掘问题，用于支撑下游反欺诈建模任务。目前，单表的特征工程算法较为成熟，而跨表的特征工程算法相对较少。相比于单表特征工程，多表之间的特征衍生所涉及的特征数目更多，更容易出现特征爆炸。针对这一问题，我们提出了xDFS方法，在DFS (Deep Feature Synthesis)方法上进行优化，引入对单表的统计分析过程，避免了DFS在数据预处理阶段的特征拆分，利用xgboost模型计算特征衍生的最优组合，进而解决了跨表特征衍生过程中的特征爆炸问题。在实验过程中，我们将xDFS方法在两个公开数据集和一个车险数据集上进行测试，发现当衍生特征深度较深时，DFS出现特征爆炸问题，而xDFS均未产生特征爆炸问题。