信用卡欺诈风险识别综合实验设计

摘要：

该文针对信用卡欺诈客户数据集极不平衡的特点,设计了SMOTE、Borderline SMOTE、ADASYN、SMOTENC四种采样算法,对数据集进行均衡处理,并结合逻辑回归、支持向量机、随机森林、多层神经网络构建欺诈风险识别模型,最后通过准确率、AUC、精确率、召回率和F1等指标对识别模型效果进行评判.实验结果表明,SMOTENC采样方法与随机森林模型相结合构建的识别模型效果最好,准确率达到99％,可为银行进行客户欺诈风险判别提供支撑.

关键词：非均衡数据集、SMOTE、欺诈客户、欺诈风险识别

所属期刊栏目：39

分类号：TP311.1;G642.0(计算技术、计算机技术)

资助基金：西安理工大学教育教学改革研究项目XJY2007

在线出版日期：2022-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：200-204