用于欺诈检测的健康保险索赔数据

关于数据集

该数据集提供了一个合成的健康保险索赔集合，专门用于开发和测试欺诈检测模型。该数据集在保护隐私的同时，模拟了真实场景，包含 1,000 家不同医院实体的 20,000 条个人索赔记录，并包含 30 个综合特征。

关于此文件建议编辑

目的：
该数据集的主要目标是为数据科学家、机器学习工程师和研究人员提供实用资源，以研究以下内容：

构建和评估欺诈检测算法（例如，逻辑回归、XGBoost、孤立森林）。

实践与医疗保健索赔相关的特征工程技术。

理解并解决欺诈检测任务中的类别不平衡问题。

在受控但现实的数据集上对模型性能进行基准测试。

字段	描述
Patient_ID	患者ID
Policy_Number	保单号
Claim_ID	索赔ID
Claim_Date	索赔日期
Service_Date	服务日期
Policy_Expiration_Date	保单到期日
Claim_Amount	索赔金额
Patient_Age	患者年龄
Patient_Gender	患者性别
Patient_City	患者所在城市
Patient_State	患者所在州
Hospital_ID	医院ID
Provider_Type	服务提供方类型
Provider_Specialty	提供方专业
Provider_City	提供方所在城市
Provider_State	提供方所在州
Diagnosis_Code	诊断代码
Procedure_Code	操作/手术代码
Number_of_Procedures	操作次数
Admission_Type	入院类型
Discharge_Type	出院类型
Length_of_Stay_Days	住院天数
Service_Type	服务类型
Deductible_Amount	自付扣除额
CoPay_Amount	共付额
Number_of_Previous_Claims_Patient	患者历史索赔次数
Number_of_Previous_Claims_Provider	提供方历史索赔次数
Provider_Patient_Distance_Miles	医患距离（英里）
Claim_Submitted_Late	延迟提交索赔
Is_Fraudulent	是否为欺诈