"英文标题：Insurance Fraud Detection Algorithm Validation Dataset
数据集概述
聚焦保险欺诈识别领域的算法开发与验证需求，包含欺诈识别算法的核心参数配置、实验场景设定、样本标签与验证结果等结构化信息。
数据覆盖多类型保险欺诈场景的算法训练与测试环节，包含算法模型的关键调参指标、欺诈样本特征权重、实验准确率与召回率等核心验证维度。颗粒度精确至算法参数组、实验批次、样本分类层级，支持跨算法、跨场景的性能对比与优化。数据结构遵循机器学习领域标准的算法实验框架，字段定义符合保险风险管理的专业口径。
该数据集为保险欺诈识别算法的迭代优化提供支撑。保险欺诈直接影响行业赔付成本与风控效率，通过算法参数与验证结果的关联分析，可提升欺诈识别模型的精度与鲁棒性。
字段详情
数据集包含以下核心字段：
algorithm_id：算法标识，唯一标识不同欺诈识别算法型号与版本param_config：参数配置，指算法的核心调参组合，如阈值、正则化系数等fraud_feature_weight：欺诈特征权重，指各风险特征在算法中的贡献度，无单位experiment_accuracy：实验准确率，单位百分比，指算法识别真实样本的比例experiment_recall：实验召回率，单位百分比，指算法识别欺诈样本的比例scenario_type：场景类型，指实验对应的保险业务场景，如车险理赔、健康险理赔等
适用场景
- 保险监管机构评估市场主流欺诈识别算法的有效性与合规性
- 保险科技企业迭代优化自有欺诈识别模型的参数配置与特征选择
- 风险管理研究机构分析不同算法在保险欺诈场景中的性能差异
- 保险公司验证内部风控模型的欺诈识别能力与边界条件"
