An Enhanced Focal Loss Function to Mitigate Class Imbalance in Auto Insurance Fraud Detection with Explainable AI
发表于 2026年1月23日上传于 2026年1月26日

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)