带你上手 AI 大赛

原创：晏茜

资料来源：陈旸

本文的主要内容包括以下环节，首先既然文章内容是关于 AI 大赛的，我希望大家直接跟随作者上手去打一场比赛，在这篇文章中，会以保险反欺诈预测比赛为例，通过介绍整个比赛的过程，我们会了解到常用的机器学习神器，同时也会给大家介绍一个工具 —— AutoML。

那么，AutoML 代表什么含义呢？AutoML 在工作中会有所使用，在比赛中，有些选手也会使用。在去年的 CCF 个贷违约预测这场比赛中，广发银行的选手就使用了 AutoGluon。AutoGluon 这个软件是亚马逊开源的一个自动机器学习的工具，自动机器学习的价值就是帮你做一些自动特征工程。我们知道在打比赛的过程中，特征工程是一个非常消耗时间，并且需要不断试错的一个过程，AutoML 就是把它包装好的一种工具，可以让它自己自动的去做一些特征组合，我们在下文会带大家了解这个工具的情况，未来大家可以尝试去使用。在 AutoML 这个细分领域里面，其实很多大厂都已经开源了一些工具。本文给大家介绍一种工具 AutoGluon，该工具的作者之前专门打过 kaggle 比赛（ kaggle 社区是专门为数据科学准备的社区），所以对于 kaggle 比赛的规则，怎样去提分，怎样在项目中取得很好的名次都有所了解。他将所有的规则融合到了一个工具里面，这个工具就是 AutoGluon。所以相比于其他的 AutoML 来说，AutoGluon 的结构会更精准一些，它的提分效果也会比一般的 AutoML 好一些。

一、保险反欺诈

首先我们来了解一下保险反欺诈预测比赛。

说到这个场景，先给大家普及一下保险反欺诈的实际价值。在全球的保险中，用于理赔的金额，有将近 20 %，有的甚至高达 50 % 是欺诈行为，每年有将近 800 亿美元被保险欺诈，如果我们能够把这个行为识别出来，哪怕只识别 1 %，都具有非常大的价值。保险欺诈仅次于偷税，是第二大的犯罪行为。近年来，我国对税收的监管越来越严格，保险反欺诈也更成为一个重要的应用场景。在对于过去倒闭的保险公司的调查中，我们发现有将近 1 / 3 的保险公司倒闭的原因都直接与保险反欺诈相关。保险公司遭遇一些诈骗团伙的保险欺诈，会造成非常大的经济损失。那么，保险公司就束手无策了吗？有没有方法可以帮助保险公司去识别风险呢？

举个例子，南非最大的短期保险公司 —— Santam，通过调查发现，这家公司每年有将近 10 % 的保费是属于欺诈行为，既然他们已经发现了这种行为，那么我们就有了 label，有了这个标签，我们试想能否去做一个机器学习的预测，预测它可不可能是欺诈。如果这种行为的欺诈概率很低，保险公司就快速进行理赔，如果这种行为的欺诈概率很高，保险公司就需要人工的来进行进一步的勘察。这样做的好处是可以将理赔行为进行分类，在之前的行为过程中，保险公司都会花费将近三个工作日才能完成理赔，因为他们要将所有的行为都去做一个勘测，这样人工成本就会非常的高，人工成本很高的话，用户的保险理赔的速度就会很慢，那么所有的保险基本上都需要三个工作日才能完成理赔，对于我们正常的用户来说，就会耽误自己的赔保的效率，欺诈成本会以更高的保费形式转嫁到其他客户身上。因此我们有必要帮助保险公司去做第一关的把控，而这个把控可以通过数据建模的方式来实现。

第二个例子是关于支付宝安全险的案例。支付宝于 2015 年推出了账户安全险，它可以保障你的支付宝账户的安全性。假如你购买了一份支付宝安全险，如果你的账户被盗或被偷刷，它最高会赔付 100 万的金额。有一则新闻报