摘要
旨在探讨和验证一种基于集成学习的信用卡欺诈检测模型,以提高识别欺诈交易的准确性.分析了信用卡欺诈的背景,回顾了现有的关键技术和方法,在此基础上,采用硬投票策略,将决策树、逻辑回归和朴素贝叶斯分类器三种不同的机器学习模型集成在一起,形成一个强大的集成模型.通过实验验证,该集成模型实现了高达99%的准确性,相较于单一模型至少提高了3.22%的准确性.这种显著的准确性提升归因于模型间的互补性和集成学习的稳健性.不仅为信用卡欺诈检测提供了一种高效的方法,也为其他金融欺诈检测问题提供了有价值的参考.
NETL
NSTL
维普
万方数据