医疗保险欺诈识别监测系统

2024-04 团队 团队 5 人 已完成

基于机器学习 + Django 的医保反欺诈一体化 Web 平台

情境

医保欺诈每年造成巨额基金损失，而传统人工抽单审核效率低、漏报率高。当前欺诈手段日益隐蔽复杂，需要一套自动化、智能化的监测系统来提高识别效率与准确性。

任务

我所在的青山队（全国大学生服务外包创新创业大赛队伍）需构建一套网页版医保欺诈识别监测系统：用机器学习对海量医保数据挖掘建模型，准确识别潜在欺诈并预警，同时提供用户友好的数据上传、模型运行与结果展示界面。

行动

在后端侧，我负责整体服务器架构与 API 层：搭建 Django 项目、完成各功能模块开发与测试，通过宝塔面板结合 Nginx + uWSGI 部署至阿里云服务器，支撑前端与机器学习模块间的数据共享。算法侧对比了逻辑回归、KNN、SGD、朴素贝叶斯、SVM 等 6 种分类器，最终选用 GradientBoostingClassifier，配套 SMOTE 过采样解决极不平衡样本、min-max 归一化加速训练、并保留异常值（分析发现异常值常是判断骗保的关键信号）。

结果

  • 采用 SMOTE 后模型测试召回率从 0.7065 提升至 0.9508，F1 分数从 0.5327 提升至 0.9590
  • Gradient Boosting 实测准确率最高约 0.9681，稳态运行稳定
  • 完成前后端联调与生产环境部署，系统可上传数据、运行模型并直观展示识别结果
  • 项目获全国大学生服务外包创新创业大赛全国三等奖

反思

这个项目让我第一次完整经历了从数据建模到工程化部署的全流程，也深刻体会到保留异常值这类反直觉决策背后的数据洞察。作为后端负责人，我最深的收获是：模型再准，若没有稳定可靠的工程骨架支撑，也无法在真实场景落地。

架构

流程：数据上传 → 数据预处理（缺失值/归一化）→ 特征处理（L1 正则化）→ SMOTE 过采样 → Gradient Boosting 训练 → 欺诈识别与预警 → 结果展示
流程：数据上传 → 数据预处理（缺失值/归一化）→ 特征处理（L1 正则化）→ SMOTE 过采样 → Gradient Boosting 训练 → 欺诈识别与预警 → 结果展示

技术栈

Pythonscikit-learnGradient BoostingSMOTEDjangoJavaScriptSQLiteNginxuWSGI

关键权衡

  • 选择 Gradient Boosting 而非神经网络 / 线性模型：在可解释性、鲁棒性与预测精度间取得平衡，更适合医保反欺诈这类非线性强、需向监管解释判定的场景
  • 异常值不做清洗而保留：经验证处理后骗保召回率反而下降，反常数据（如极端就诊费用）往往是识别欺诈的关键信号
  • 选用 min-max 而非 Z-score 归一化：两者精度一致，但前者训练与预测耗时仅为其二分之一

个人贡献

后端开发：构建弹性可扩展的服务器架构，保障 API 高性能与安全性，打通前端与机器学习模块的数据链路