針對(duì)傳統(tǒng)的算法模型對(duì)信用卡交易欺詐預(yù)測(cè)準(zhǔn)確率還不是非常高的問(wèn)題,采用了近年流行的XGBoost算法構(gòu)建信用卡交易欺詐預(yù)測(cè)模型,通過(guò)網(wǎng)格搜索的方式對(duì)XGBoost參數(shù)進(jìn)行調(diào)優(yōu),最后將其與隨機(jī)森林和GBDT這兩個(gè)模型作對(duì)比實(shí)驗(yàn)。鑒于樣本的不平衡性,采用改變?cè)u(píng)估指標(biāo)的方法,即用精確回憶曲線下的面積(AUPRC)作為模型評(píng)估標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明,采用XGBoost算法進(jìn)行信用卡交易欺詐預(yù)測(cè)的AUPRC值更接近1且準(zhǔn)確率更高,已達(dá)到97%,為銀行等金融機(jī)構(gòu)提前高效地預(yù)測(cè)交易欺詐風(fēng)險(xiǎn)給予了參考。

【文章頁(yè)數(shù)】：3 頁(yè)


本文編號(hào)：3967607