[发明专利]基于SSGAN的不平衡医保数据分类方法

摘要

本发明公开了一种基于SSGAN的不平衡医保数据分类方法，涉及信息技术领域，该基于SSGAN的不平衡医保数据分类方法通过改进原始SSGAN网络，使之在训练过程中只生成弱势类样本，从而减小强势类和弱势类样本数量上的差距，降低数据集的不平衡度，从而提高其分类器的分类精度。该基于SSGAN的不平衡医保数据分类方法改进过后的SSGAN模型分类效果皆明显高于其他两个模型，并且随着比例的增加，改进过后的SSGAN网络的对原始SSGAN的优势越发明显。当政府样本比例达到19:1，即弱势类样本总数占训练集的5％时，我们的方法正确率比原始SSGAN提高了43.34％。

主权项

1.一种基于SSGAN的不平衡医保数据分类方法，其特征在于：所述基于SSGAN的不平衡医保数据分类方法包括数据集，数据集为非平衡数据集，医保骗保数据集是典型的非平衡数据集。医保骗保数据集中涉嫌骗保的样本类为弱势类，将其标记为‘1’，看做负样本，不涉嫌骗保的样本类为强势类，标记为‘0’，看做正样本，该基于SSGAN的不平衡医保数据分类方法首先利用tensorflow搭建适用于结构化数据的神经网络，再改进SSGAN中生成器网络的损失函数，使之在训练过程中只产生弱势类数据，从而提高分类器在弱势类上的分类精度。针对医保数据，则是通过将生成器的损失函数修改为：Lgenerator＝max(EZ～p(z)log[p(y＝1|x)])，其中p(z)表示随机噪声分布(如高斯噪声)，E(·)是期望计算函数，由此产生标签为‘1’的弱势类样本。具体步骤如下：Step1：对医保骗保数据集进行预处理，填补缺失值；Step2：通过特征工程对医保骗保数据集进行特征提取，扩充数据集维度；Step3：利用tensorflow搭建适用于结构化数据的SSGAN网络；Step4：改进SSGAN中生成器网络的损失函数，使之产生弱势类样本；Step5：通过实验对比本专利改进过后的SSGAN(ours)和传统随机森林分类算法(RF)、原始SSGAN网络对医保骗保数据的分类效果，在不同正负样本比例的训练集下验证改进的SSGAN的有效性。