【摘 要】
:
随着时代的快速发展以及数字化经济时代的到来,人们的消费理念及方式在不断地发生着变化。越来越多的人选择使用信用卡进行线上消费,这在给我们生活带来便利的同时,也给一些不法分子实行欺诈盗刷提供了可乘之机,给银行和个人带来了巨大的经济损失。因此,加强信用卡欺诈检测是十分必要的。本文基于真实交易世界的线上信用卡交易数据研究信用卡欺诈检测问题。首先通过缺失值填充和标准化处理等方式对数据进行了预处理,并使用SO
论文部分内容阅读
随着时代的快速发展以及数字化经济时代的到来,人们的消费理念及方式在不断地发生着变化。越来越多的人选择使用信用卡进行线上消费,这在给我们生活带来便利的同时,也给一些不法分子实行欺诈盗刷提供了可乘之机,给银行和个人带来了巨大的经济损失。因此,加强信用卡欺诈检测是十分必要的。本文基于真实交易世界的线上信用卡交易数据研究信用卡欺诈检测问题。首先通过缺失值填充和标准化处理等方式对数据进行了预处理,并使用SOMTE和Tomek Links相结合的采样方法解决了数据类别不平衡问题。接着使用单变量选择法以及递归消除法选出了重要的124个特征。在处理之后的数据集基础上进行了建模分析以及结果比较。建立的模型主要包括逻辑回归模型、随机森林模型、LightGBM模型、XGBoost模型以及Stacking集成模型。最终得出LightGBM模型和XGBoost模型在信用卡欺诈检测中相较于其余两个单一模型表现优异,而Stacking模型相较于这四个单一模型效果又有一定提升,在信用卡欺诈检测中效果更好。
其他文献
2016年国内直播行业出现并开始蓬勃发展,“电商+直播”的购物形式崭露头角。在电商直播带货的过程中,主播是带动消费的关键因素,作为电商直播的核心部分,通过彻底重构“人物场”来提升用户的交易效率和品牌忠诚度,成为连接产品、品牌与消费者之间的桥梁。本文主要探究的是影响消费者购买意愿的电商主播言语行为,主要围绕三个问题进行探究,分别为:在电商直播情境中,电商主播哪些言语行为会影响消费者购买意愿?电商主播
上世纪90年代初期有声读物在我国兴起,目前有声读物市场先后出现过200多个带有听书功能的移动平台,例如喜马拉雅APP、荔枝FM等,已经形成了综合性的平台和垂直型平台同在、头部效应凸显的市场格局。随着声音传播技术的发展,听觉信息接收系统逐渐回归,有声读物作为依赖听觉系统的媒介产品,在不同场景中的应用价值日益受到重视。课题依据场景理论,特别是基于戈夫曼的“拟剧理论”与斯考伯、伊斯雷尔的“场景五力”,大
社交媒体根植于互联网络的深厚土壤,近些年获得了长足发展,凭借自身强大功能属性吸引众多用户盘踞其上。尤其是对于职场女性而言,出于工作需要,该群体对社交媒体的使用频率更高、类型更广。同时,职场女性这一群体在工作和生活中面临巨大压力,不同的现实情境以及多重角色的扮演等常常使得该群体产生较多的负面情绪。因此,如何疏解这些负面情绪显得尤为重要,本文笔者另辟蹊径,深入探究利用社交媒体这一新型信息化情绪调节方式
在现代金融市场中,期权是一种重要的金融衍生产品,定价和风险管理是期权的两个核心问题。基于模型的期权定价方法受限于特定的假设条件,这常带来模型风险。本文采用基于数据驱动的期权定价方法和风险管理方法,这类方法是通过建立神经网络拟合输入与输出之间的非线性函数关系。本文建立了基于深度神经网络的隐含波动率模型和期权定价模型,根据期权在值程度(实值、平值、虚值)和期限(短期、中期、长期)的不同对上述2个问题分
地方春晚不仅是展示当地政治经济、城市风貌、风土人情发展概况的一种形式和平台,更是传播本土文化、中华传统文化的一个重要窗口。在习近平总书记倡导要不断通过创新文艺作品来提升文化自信的新时代,2021年河南卫视春晚的“出圈”无疑为地方春晚创新文化传播路径、不断创造满足人民精神文化需求的优质作品提供了新的范例。通过聚焦2021年河南卫视春晚的文化传播效果,分析其创新点与不足,不仅有助于地方春晚文化传播效果
互联网金融平台形式多样,与其相伴的信用风险、用户欺诈等问题日益突出;商业分析中,用户的信用等级是指导银行等信贷公司决策的一个重要指标。因此,对用户特征做全面、细致的研究,建立合用的模型对其进行深入分析具有重要的理论及现实意义。然而,在实际应用中,违约用户相比正常用户总是少数的,数据存在着严重的不平衡特点,这使得传统的机器学习算法效率大减。本文使用Kaggle竞赛平台Give Me Some Cre
在互联网快速发展的时代,用户以在线评论的方式发表自身对于产品或者服务的意见和观点,形成了大量的评论文本信息。这些文本信息对于商家以及消费者来说都具有潜在的价值,一方面商家通过文本信息可以了解顾客对于某产品或服务的态度及某些方面的特定评价,另一方面顾客可通过浏览在线评论比较多家同类产品,从而做出选择。从某种意义来说,在线评论信息在很大程度上影响着潜在消费者的决策,同时也能为商家改善产品或服务提供借鉴
急性心肌梗死患者发病最初24小时的治疗方式可以极大影响其死亡率,但实际对急性心肌梗死病人实施治疗时,不同国家之间,甚至是同一国家的不同地区及不同医生之间,对患者病情的判断均存在差异。而机器学习从数据中学习规律、总结经验的特点,可有效减少主观因素的差异。本文通过机器学习分类模型对患者住院期间是否发生死亡进行预测,结合模型构建评分卡对患者病情进行评估,可最大程度减少主观差异,辅助医生进行合理决策。首先