Insurance Fraud Detection System

يهدف هذا المشروع إلى بناء نظام شامل للكشف عن الاحتيال في مطالبات التأمين على السيارات باستخدام تعلم الآلة. يتضمن المشروع ثلاث مكونات رئيسية:

نموذج تعلم الآلة (Machine Learning Model): يتم تدريب العديد من نماذج التصنيف (مثل الانحدار اللوجستي، الشبكات العصبية، غاوس naïve بايز، KNN، SVM، شجرة القرار، الغابات العشوائية، والتعزيز المتدرج) على بيانات مطالبات التأمين لتحديد الأفضل أداءً في الكشف عن الاحتيال. يتم حفظ النموذج الأفضل أداءً، بالإضافة إلى أدوات تحجيم البيانات (Scaler) والمشفرات (Label Encoders)، لتستخدم لاحقاً في التنبؤ.

واجهة برمجة تطبيقات (API) باستخدام FastAPI: تم تطوير واجهة برمجة تطبيقات (API) باستخدام FastAPI لاستضافة نموذج تعلم الآلة المحفوظ. تسمح هذه الواجهة بإرسال بيانات مطالبات التأمين الجديدة وتلقي تنبؤات فورية حول ما إذا كانت المطالبة احتيالية أم لا، بالإضافة إلى احتمالية الاحتيال.

تطبيق واجهة المستخدم (Frontend) باستخدام Streamlit: تم بناء تطبيق ويب تفاعلي وسهل الاستخدام باستخدام Streamlit. يتيح هذا التطبيق للمستخدمين إدخال تفاصيل مطالبات التأمين المختلفة والحصول على تنبؤات فورية من واجهة الـ API. يعرض التطبيق بوضوح ما إذا كانت المطالبة مصنفة على أنها احتيالية أو شرعية، مع عرض نسبة الثقة في التنبؤ.