자동차 보험사기 탐지 : 데이스쿨 구독자 전용 AI 해커톤

Dataset Info.

• train.csv [파일] 
• ID : 고유ID
• age_of driver : 운전자 나이
• gender : 운전자 성별
• marital_status : 결혼 상태
• safty_rating : 운전자의 안전점수
• annual_income : 연간소득(단위:달러)
• high_education_ind : 운전자의 학력
• address_change_ind : 운전자의 주소변경 여부
• living_status : 자동차 소유상태
• claim_day_of_week : 청구된 접수된 요일
• accident_site : 사고 발생 지역
• past_num_of claims : 과거 청구 건수
• witness_present_ind : 목격자 여부
• liab_prct : 운전자 과실 비율(%)
• channel : 청구 접수 매체
• policy_report_filed_ind : 경찰 신고 접수 여부
• claim_est_payout : 보험금 지급 추정 비율(%)
• age_of_vehicle : 자동차 연식
• vehicle_category : 자동차 카테고리
• vehicle_price : 자동차 가격(단위:달러)
• vehicle_color : 자동차 색깔
• vehicle_weight : 자동차 무게(kg)
• fraud : 사기여부
• year : 청구(년)
• month : 청구(월)
• day : 청구(일)

• test.csv [파일]
• ID : 고유ID
• age_of driver : 운전자 나이
• gender : 운전자 성별
• marital_status : 결혼 상태
• safty_rating : 운전자의 안전점수
• annual_income : 연간소득(단위:달러)
• high_education_ind : 운전자의 학력
• address_change_ind : 운전자의 주소변경 여부
• living_status : 자동차 소유상태
• claim_day_of_week : 청구된 접수된 요일
• accident_site : 사고 발생 지역
• past_num_of claims : 과거 청구 건수
• witness_present_ind : 목격자 여부
• liab_prct : 운전자 과실 비율(%)
• channel : 청구 접수 매체
• policy_report_filed_ind : 경찰 신고 접수 여부
• claim_est_payout : 보험금 지급 추정 비율(%)
• age_of_vehicle : 자동차 연식
• vehicle_category : 자동차 카테고리
• vehicle_price : 자동차 가격(단위:달러)
• vehicle_color : 자동차 색깔
• vehicle_weight : 자동차 무게(kg)
• year : 청구(년)
• month : 청구(월)
• day : 청구(일)

• sample_submission.csv [파일] - 제출 양식
• ID: test 데이터 샘플 고유 ID
• fraud: 각 샘플에 대해서 예측한 사기 청구 여부(0,1)

※ 제공드리는 데이터를 엑셀로 열람하는 경우, 데이터가 비정상적으로 보이는 현상이 발생할 수 있으니 반드시 Pandas패키지와 같은 데이터툴을 이용하여 열람부탁드립니다.