期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于特征相似度降采样的交易欺诈预测模型
1
作者 邹勇 林芃 马振伟 《计算机应用与软件》 北大核心 2024年第4期101-105,共5页
在交易欺诈评估场景下,正负样本比例极其悬殊,需要对样本进行采样来解决样本不平衡。传统采样由于在采样过程中会丢失样本信息,导致模型预测的准确率不是很高。针对这类情况,提出一种基于特征相似度降采样方式的模型构建方法。该方法主... 在交易欺诈评估场景下,正负样本比例极其悬殊,需要对样本进行采样来解决样本不平衡。传统采样由于在采样过程中会丢失样本信息,导致模型预测的准确率不是很高。针对这类情况,提出一种基于特征相似度降采样方式的模型构建方法。该方法主要包括三个部分。(1)依据样本数据,构建有效的与欺诈相关的特征集。(2)通过引入样本差异度函数,在降采样时尽可能多地保留样本信息。(3)通过多个分类器进行融合输出欺诈概率。将该方法与其他常见采样方式进行比对,实验结果表明,该方法具有更好的评估结果。 展开更多
关键词 降采样 欺诈预测 集成学习
下载PDF
基于多模型融合Stacking集成学习保险欺诈预测 被引量:2
2
作者 缪智伟 韦才敏 《汕头大学学报(自然科学版)》 2023年第3期13-24,共12页
本文结合人工智能的前沿理论研究,提出一种基于改进XGBoost与LightGBM模型融合的Stacking集成学习方式的保险欺诈行为预测模型.该模型对保险公司被保人保险欺诈行为的识别具有启示意义,有助于保险公司更好地识别被保人的骗保行为,强化... 本文结合人工智能的前沿理论研究,提出一种基于改进XGBoost与LightGBM模型融合的Stacking集成学习方式的保险欺诈行为预测模型.该模型对保险公司被保人保险欺诈行为的识别具有启示意义,有助于保险公司更好地识别被保人的骗保行为,强化自身风控体系.首先对XGBoost与LightGBM进行Stacking模型融合生成两个新特征,新生成的两个特征和原有的40个特征合并作为第二层Stacking训练模型的输入.其次,在Stacking的第二层中分别选择使用多种分类学习模型,包括Bagging、LightGBM、XGBoost以及传统机器分类模型,包括逻辑回归、高斯贝叶斯、决策树等,各模型的训练和参数均由K折交叉验证和遗传算法优化得到.算例数据来源于阿里云天池挑战赛公开的保险欺诈数据集,对构建多模型融合的Stacking模型预测性能进行了验证与测试.预测结果表明,与传统机器分类模型预测结果相比,基于XGBoost与LightGBM Stacking模型融合集成学习模型对保险欺诈行为具有较高的识别能力.最后,根据计算并可视化出最优分类模型不同特征的重要性结果,得出结论:被保人的职业、发生保险事故的城市、发生保险事故的地区、资本收益、资本亏损是识别保险欺诈行为的重要特征. 展开更多
关键词 保险欺诈预测 XGBoost LightGBM Stacking模型融合 特征重要性 遗传算法
下载PDF
集成学习在车险欺诈识别预测中的应用探讨
3
作者 吴舒婕 陈宇 《科技视界》 2024年第15期53-56,共4页
针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测。对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集。文章基于机器学习算法建立SVM、KN... 针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测。对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集。文章基于机器学习算法建立SVM、KNN、随机森林和XGBoost模型,并以此为基模型,建立传统的Stacking融合模型、引入不同指标作为权重的Stacking融合模型。结果表明:以F_(1)加权的Stacking融合模型的Pre值为91.7300%,与其他指标进行加权的Stacking模型预测效果相比,以F_(1)加权的Stacking融合模型对车险欺诈行为具有较好的识别预测能力。 展开更多
关键词 车险欺诈预测 SMOTE-Tomek Links采样 Stacking融合模型 加权Stacking融合模型
下载PDF
基于深度学习的银行卡交易反欺诈技术研究 被引量:3
4
作者 窦路路 石秀金 《智能计算机与应用》 2018年第4期85-87,91,共4页
银行卡交易的反欺诈技术旨在检测出欺诈风险较高的交易,通常采用神经网络进行反欺诈预防。传统神经网络只有一层隐藏层节点,对复杂多变的欺诈特征泛化能力较差。为提高欺诈交易预测的准确度,将深度信念网络模型应用到银行卡交易反欺诈... 银行卡交易的反欺诈技术旨在检测出欺诈风险较高的交易,通常采用神经网络进行反欺诈预防。传统神经网络只有一层隐藏层节点,对复杂多变的欺诈特征泛化能力较差。为提高欺诈交易预测的准确度,将深度信念网络模型应用到银行卡交易反欺诈中。构建了一个五层的深度信念网络模型,逐层训练并反向调优后获取到欺诈交易的特征,并通过分类器对交易进行分类。实验表明深度学习模型在银行卡交易欺诈预测方面比传统神经网络具有更高的准确性。 展开更多
关键词 银行卡交易反欺诈 神经网络 深度信念网络 欺诈预测
下载PDF
The usage of technology in preventing and detecting fraud
5
作者 Vjollca Karapici Ibrahimi 《Chinese Business Review》 2010年第9期22-30,共9页
Auditors of information systems technology (IT) play a major role in the prevention of significant fraud and investigation. Fraud is hard to detect and even more difficult to prevent. All the auditors are responsibl... Auditors of information systems technology (IT) play a major role in the prevention of significant fraud and investigation. Fraud is hard to detect and even more difficult to prevent. All the auditors are responsible for detection, determination of fraud and use of anti-fraud programs. With rapid developments in information, communication and technology, it is no surprise that companies grow and secure IT system, but with the development of technology was developed and fraud schemes. Detection or not the auditor of the fraud, not fulfilling his work reflects you, or not drafting of a plan audit standards and procedures, but he has to do with personal ability auditor, to analyze the findings during the audit, use of tests, the natural limitations of internal control and the fact that most of the findings of the auditor of nature are more persuasive than effective. When you conduct an audit, auditor has a professional skeptic attitude that considers the risk of circumvention of control procedures by management and recognizes that simple fact, the audit procedures that are effective in connection with the discovery of errors, are not suitable for detection and identification fraud. This requires from the auditor to establish a procedure for considering the risk of fraud, in order to detect the exact appearance not as a result of fraud. A particular impact has The Model of Fraud Detection Strategy, as an 8 steps model for identifying fraud, using IT to collect, define and analyze the data and anomalies that highlight indicators of fraud. 展开更多
关键词 FRAUD TECHNOLOGY skeptic attitude
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部