An Enhanced Focal Loss Function to Mitigate Class Imbalance in Auto Insurance Fraud Detection with Explainable AI
创建于 更新于
摘要
本文提出一个三阶段（convex→intermediate→standard focal loss）训练框架，用凸近似作为warm-start以稳定优化，再过渡到非凸阶段提升少数类判别力，并结合部分SMOTE与LSTM序列模型在39,981条汽车保险理赔数据上验证：三阶段方案在F1与AUC上显著超过纯凸或纯非凸训练，同时通过SHAP提供可解释的特征归因（主要驱动变量为policy_state与age）[page::0][page::10][page::11]
