基于机器学习的信用卡欺诈检测

近年来，电子商务的快速发展暴露了在线交易中存在的巨大漏洞，使诈骗分子得以利用。信用卡交易在现代在线交易中占据了重要地位，因为它具有显而易见的优势，包括折扣和赚取信用卡积分。因此，信用卡欺诈已成为关注的重点。为应对这种情况，基于机器学习的信用卡欺诈检测最近得到了研究。然而，由于数据不平衡（正常交易和欺诈交易），检测欺诈交易变得困难，为此提出了Smote算法以解决数据不平衡的问题。本文提出的轻梯度提升机器模型的评估在很大程度上依赖于从客户日常交易中收集的数据集。此外，为了证明新模型在检测信用卡欺诈方面的优越性，轻梯度提升机器模型在实验中与随机森林和梯度提升机器算法进行了比较。结果表明，轻梯度提升机器模型具有良好的表现。基于轻梯度提升机器模型的信用卡欺诈检测实验在真实数据集中实现了99%的总体召回率，并能快速反馈，这证明了新模型在检测信用卡欺诈方面的有效性.