论文部分内容阅读
针对传统的算法模型对信用卡交易欺诈预测准确率还不是非常高的问题,采用了近年流行的XGBoost算法构建信用卡交易欺诈预测模型,通过网格搜索的方式对XGBoost参数进行调优,最后将其与随机森林和GBDT这两个模型作对比实验。鉴于样本的不平衡性,采用改变评估指标的方法,即用精确回忆曲线下的面积(AUPRC)作为模型评估标准。实验结果表明,采用XGBoost算法进行信用卡交易欺诈预测的AUPRC值更接近1且准确率更高,已达到97%,为银行等金融机构提前高效地预测交易欺诈风险给予了参考。