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
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。
来 源：
《信息产业报道》 2024-08