基于SMOTE-CatBoost-SHAP非均衡数据集的欺诈检测方法

本发明涉及风险管理与数据分析技术领域，特别是针对非均衡数据集的欺诈检测方法与系统，更具体的是一种基于SMOTE‑CatBoost‑SHAP非均衡数据集的欺诈检测方法；包括以下步骤：(1)数据预处理步骤；(2)模型训练步骤；(3)模型评估步骤；(4)模型解释步骤；本发明综合应用了数据均衡技术、先进的机器学习算法和可解释性框架，形成了一套完整的欺诈检测解决方案；这种综合性的技术优势使得模型在处理复杂、非均衡的贸易数据时，能够同时实现高精度的欺诈识别和可解释性的决策支持，为风险欺诈检测领域提供了新的技术路径和解决方案。