Now consider the related problem of

Now consider the related problem of catching Medicare fraud. This is a huge problem
in the United States costing billions of dollars annually. Though this may seem like a
conventional fraud detection problem, as we consider the relationship of the business
problem to the data, we realize that the problem is significantly different. The perpetrators
of fraud—medical providers who submit false claims, and sometimes their patients—
are also legitimate service providers and users of the billing system. Those who
commit fraud are a subset of the legitimate users; there is no separate disinterested party
who will declare exactly what the “correct” charges should be. Consequently the Medicare
billing data have no reliable target variable indicating fraud, and a supervised
learning approach that could work for credit card fraud is not applicable. Such a problem
usually requires unsupervised approaches such as profiling, clustering, anomaly detection,
and co-occurrence grouping.

Kết quả (Việt) 1:

Bây giờ hãy xem xét các vấn đề liên quan đến đánh bắt gian lận Medicare. Đây là một vấn đề lớnở Hoa Kỳ chi phí hàng tỷ đô la hàng năm. Mặc dù điều này có vẻ giống như mộtCác vấn đề phát hiện gian lận thông thường, khi chúng tôi xem xét các mối quan hệ của doanh nghiệpvấn đề dữ liệu, chúng tôi nhận ra rằng vấn đề đáng kể khác nhau. Thủ phạmgian lận-y tế các nhà cung cấp gửi tuyên bố sai lầm, và đôi khi bệnh nhân của họ —cũng là cung cấp các dịch vụ hợp pháp và người dùng của hệ thống thanh toán. Với những ngườicam kết gian lận là một tập hợp con của người sử dụng hợp pháp; có là không có đảng riêng biệt vô tưAi sẽ khai báo chính xác những gì các chi phí "đúng" nên. Do đó có Medicaredữ liệu thanh toán có không có gian lận cho thấy biến mục tiêu đáng tin cậy, và một giám sáthọc cách tiếp cận mà có thể làm việc cho gian lận thẻ tín dụng không phải là áp dụng. Một vấn đềthường đòi hỏi các phương pháp không có giám sát như profiling, clustering, phát hiện bất thường,và sự xuất hiện đồng nhóm.

Kết quả (Việt) 2:

Bây giờ xem xét các vấn đề liên quan đến đánh bắt Medicare gian lận. Đây là một vấn đề lớn
ở Mỹ trị giá hàng tỷ đô la mỗi năm. Mặc dù điều này có vẻ như một
vấn đề phát hiện gian lận thông thường, khi chúng ta xem xét các mối quan hệ của doanh nghiệp
vấn đề để các dữ liệu, chúng tôi nhận ra rằng vấn đề là khác nhau đáng kể. Những thủ phạm
của các nhà cung cấp gian lận y tế đã nộp tiền sai trái, và đôi khi patients- của họ
cũng là nhà cung cấp dịch vụ hợp pháp và người sử dụng hệ thống thanh toán. Những người
gian lận là một tập hợp con của người sử dụng hợp pháp; không có bên vô tư riêng biệt
, những người sẽ khai báo chính xác những gì các chi phí "đúng" nên được. Do đó Medicare
dữ liệu thanh toán không có biến mục tiêu đáng tin cậy cho thấy gian lận, và một giám sát
phương pháp học tập mà có thể làm việc cho gian lận thẻ tín dụng không áp dụng. Một vấn đề như vậy
thường đòi hỏi cách tiếp cận không có giám sát như profiling, clustering, phát hiện bất thường,
và nhóm đồng xảy ra.