一种基于集成学习的欺诈行为识别方法

本发明涉及数据处理技术领域，具体涉及一种基于集成学习的欺诈行为识别方法，包括步骤：收集A股公司财务数据及经营信号，标准化清洗后构建多源欺诈预测库；融合K‑means欠采样、AdaBoost权重调整和GOSDT树，结合多指标构建CUSBoost‑GOSDT模型；训练模型接收多维数据，通过权重和投票输出欺诈概率及风险等级，动态调整结果；按概率划分风险等级，自动生成分析报告，触发差异预警，优化阈值并提供决策依据。本发明构建多维度欺诈识别特征体系，通过特征选择剔除冗余特征，提升模型泛化和检测精度。本发明算法兼具扩展性和适用性，集成学习算法整合弱学习器为强模型，参数调优保障复杂场景下的稳定表现。通过分类器优势互补提升检测能力，为审计监管提供智能工具支持。