Implementing Random Forest Method for Healthcare Provider Fraud Detection Framework to Mitigate Financial Risk and Cost Optimization in Healthcare Management
Este artigo propõe um framework de aprendizado de máquina baseado em Random Forest, aprimorado com o balanceamento de classes SMOTE-Tomek, para detectar efetivamente fraudes de prestadores de cuidados de saúde e mitigar riscos financeiros ao superar modelos tradicionais como Árvores de Decisão, Regressão Logística, SVM e Naive Bayes em precisão e métricas de desempenho fundamentais.