机器学习算法在信用卡违约欺诈识别中的应用与比较

发布时间：2024-03-01 00:04

　　近年来,由于信用卡的普及和包括电子商务,电子金融和移动支付在内的电子服务的迅猛发展,信用卡交易量急剧增加,与此同时随之而来的风险也不容小觑。信用卡的大规模使用和各种交易场景,如果没有严格的核查和监督,必然导致信用卡欺诈以及每年数十亿美元的损失和信用风险敞口的暴露。于是研究信用卡信用违约与反欺诈问题,对避免金融机构和个人损失、增加银行卡行业利润、推动信用卡产业良性循环以及保持国民经济健康稳定发展都有重要意义。识别信用卡违约欺诈的核心前提是完成对信用卡的信用风险管理,重中之重就是选择最优的信用风险评估方法。信用风险评估方法有很多,目前,其理论方法大致可划分为“传统”和“现代”两大类。传统的回归分析模型具有简单、方便、易操作等特点,但要求各变量间相互独立,限制了实际应用场景。近年来,学者们研究了各种机器学习方法,如何有效地预防信用风险,改进信用风险评估方法,构建最优反欺诈算法模型是学术界重要的研究课题。鉴于此,本文针对申请受理与审批的信用卡应用基于Logistic回归、决策树、随机森林、自适应提升算法、梯度下降决策树等多种统计学方法和机器学习方法的算法模型,对开源信用卡数据集建立个人信用评估...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图３．１?ｓｉｇｍｏｉｄ函数图像??接下来就是分析Ｓｉｇｍｏｉｄ函数的分类结果

？硕士学位论文??ＭＡＳＴＥＲ?Ｓ?ＴＨＥＳＩＳ?????Ｓｉｇｍｏｉｄ?Ｆｕｎｃｔｉｏｎ??０６?－?ｊ??§?／??〇２?Ｊ??００??—???－１０．０?－７?５?－５．０?－２?５?ＤＯ?２?５?５０?７?５?１０?０??ｚ??图３．１?ｓｉｇｍｏｉｄ函数图像??接下来就....

图３．３可以卷出随机保林昆??屮许多棵决策树构成的，且不同决策树之间不＃在关联

??ｉ??Ｉ?ｉ??ｌ?＾．?Ｊ?［二２」?［￣＾１?［￣Ｔ？＾１??Ｉ?［?ｌ?ｊ?［?｜?［?＜，．ｔ］??１?＊???｜?＾?＊?！?ａ?＊?ｇ??１１丄，ｉ?（二ｊ?！丨丄《?ｉ?丨丄ｉ?｜上＊?ｊ?ｉ丄ｉ??—＾ｉｉ＿?卜Ｊｉｎｉ＾?＊?：?－＇??Ｉ?ｉ?“?Ｉ?１?....

图３．４?ＲＯＣ曲线??

頌士学位论文??ＭＡＳＴ１；Ｒ－ＳＴＨＬＳＩＳ?????１０?．??０Ｓ?＇?，，??￥＇０６－?＾??Ｓ?／?Ｚ??系?０”?／?／’??／?ＲＯＣ?ｃｕｒｖｅ?｛ａｒｅａ?：?０．７８）??１?／?／??〇〇?Ｊ￣￥?！?１?１?！?Ｊ￣￣??Ｄ．０?０?２?０４?０６?０?....

图４．２违约比例的饼形图

００００００?１?００００００?２８．００００００??５０％?１５０００．５０００００?１４００００．００００００?２．００００００?２．００００００?２．００００００?３４．００００００??７５％?２２５Ｑ０．２５０００Ｃ?２４Ｇ００Ｇ．００００００?２．００００００?２．００....

本文编号：3915133