面向不平衡数据的信用卡异常交易模型研究  

作　　者：徐璐 唐大卫 

机构地区：[1]金陵科技学院,江苏南京211100 [2]江苏苏美达集团有限公司,江苏南京225600

出　　处：《信息产业报道》2024年第8期0160-0163,共4页Information Industry Report

摘　　要：本研究针对金融交易数据中欺诈检测的挑战,特别是在类别不平衡问题上,提出了一套综合处理方案。通过实施随机欠采样和 SMOTE 过采样技术,有效平衡了欺诈与非欺诈交易的数据比例,优化了模型学习环境。然而,研究也揭示了过采样模型在欺诈预测上的波动性,以及欠采样模型在增加假阴性预测上的局限性。因此,未来研究将聚焦于对过采样数据集进行异常值处理,以进一步提升模型精确度,并探索数据混洗对模型稳定性和预测性能的影响,为金融欺诈检测领域处理不平衡数据集提供了一个解决思路。

关 键 词：信用卡欺诈 数据不平衡 随机欠采样过采样 异常交易检测 

分 类 号：TN[电子电信]