摘要
本发明公开了一种基于密度驱动集成混合采样的信用卡欺诈检测方法,其特征在于,包括如下步骤:获取信用卡交易数据构建信用卡交易数据集,并划分训练集与测试集;在训练集中使用密度驱动集成混合采样方法获得平衡的训练集;构建并训练基学习器集合,通过五折交叉验证法生成交易数据的新特征;构建基于对称双通道元学习器的元模型,基于基学习器集合生成的交易数据新特征及对应的类标签训练元模型得到完整的信用卡欺诈检测模型,获得预测结果,进而完成信用卡欺诈检测任务;构建加权检出率指标,用于评估信用卡欺诈检测模型的效果;使用训练得到的信用卡欺诈检测模型完成检测。本发明提高了信用卡欺诈检测的准确性。
技术关键词
信用卡
欺诈检测方法
数据
学习器
混合采样方法
交易特征
密度
离群点
交叉验证法
非线性
训练集
通道
梯度提升树
网络结构
矩阵
定义
神经网络模型
算法
参数
系统为您推荐了相关专利信息
叶片
巡检方法
图像
ARIMA模型
SLAM算法
风险评估方法
数据安全
贝叶斯网络模型
漏洞特征
表达式
电弧检测模型
电弧检测方法
多模态图像数据
样本
铁路
协同管理模块
加解密机制
资源监控管理
管理系统
系统管理模块
模型训练方法
图像重建
图像全局特征
深层特征提取
浅层特征提取