基于集成学习的金融反欺诈模型

• 作者: 黄镜霖
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 金融反欺诈 集成学习 机器学习
• 年，卷（期）: 2020,（1）
• 页码范围: 216-219
• 页数: 4页
• 分类号: TP311

摘要

近年来,网上银行在金融交易中变得越来越流行。但是欺诈行为也随之急剧增加,给银行造成了很大的损失。针对这种情况,提出了一种新的基于集成学习的数据挖掘技术。集成模型包括一组单独的分类器,它们的预测被组合以预测新的传入实例。我们主要考虑了三个最新的单个组件分类器:随机森林,XGBoost和CNN卷积神经网络。提出了一种创新的集成学习方法,通过多个模型的集成,并考虑了数据本身的特征,来提升模型的性能。实证结果表明,与单个组件分类器相比,这种集成学习的方法在真实的金融欺诈数据上具有优越的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄镜霖	同济大学计算机技术系	3	0	0.0	0.0