स्वास्थ्य देखभाल उद्योग में खराब ऋण वसूली में सुधार-अर्ध-पर्यवेक्षित सीखने के साथ न्यूरो-फजी सिस्टम का उपयोग करने वाला एक दृष्टिकोण

सार

अमेरिका में स्वास्थ्य देखभाल की लागत पिछले दो दशकों के दौरान खतरनाक दर के साथ बढ़ रही है। बढ़ती लागत के कारणों में से एक चिकित्सा खराब ऋण है। आश्चर्यजनक रूप से बहुत कम शोध है जो स्वास्थ्य सेवा उद्योग में खराब ऋण वसूली में सुधार करने के लिए कम्प्यूटेशनल खुफिया और सॉफ्ट कंप्यूटिंग विधियों के प्रदर्शन की पड़ताल करता है। यह अध्ययन स्वास्थ्य देखभाल के संदर्भ में खराब ऋण को वर्गीकृत करने में अर्ध-पर्यवेक्षित शिक्षण (एसएसएल) के साथ एक अनुकूली न्यूरो-फज़ी इनवेंशन सिस्टम (एएनएफआईएस) के प्रदर्शन की जांच करता है, क्योंकि बेहतर ऋण वर्गीकरण से अधिक वसूली होती है। कंप्यूटर सिमुलेशन से पता चलता है कि SSL के साथ ANFIS एक व्यवहार्य विधि है। हमारे मॉडल ने अकेले ANFIS की तुलना में बेहतर वर्गीकरण सटीकता उत्पन्न की और हमारी सटीकता पिछले अध्ययनों की तुलना में बेहतर है। परिणामों की व्यावहारिक व्याख्या डेटा क्लस्टरिंग और नियंत्रण सतहों के विश्लेषण के माध्यम से प्रदान की जाती है। उत्तरार्द्ध में खराब ऋण में योगदान देने वाले विभिन्न कारकों के बीच गैर-संपर्क बातचीत को दर्शाया गया है। अतिरिक्त विश्लेषण रिसीवर ऑपरेटिंग विशेषता (आरओसी) चार्ट के माध्यम से प्रदान की जाती है ताकि श्रेणी के भीतर कट-ऑफ बिंदुओं के एक निरंतरता में वर्गीकरण सटीकता दरों की व्याख्या की जा सके [0, 1]। ये परिणाम और उनका विश्लेषण अज्ञात मामलों को वर्गीकृत करने में एसएसएल मॉडल के साथ एएनएफआईएस की क्षमता दिखाते हैं, जो राजस्व वसूली का एक संभावित स्रोत हैं।