文件名称:使用不同的ML和DL技术进行信用卡欺诈检测-研究论文
文件大小:689KB
文件格式:PDF
更新时间:2024-06-09 08:18:08
Card Fraud detection logistic regression
由于通信系统和技术的增长,金融恶作剧的Swift增加导致全球资金负担的减少,因此信用卡欺诈检测面临着主要挑战,可以说恶作剧和常规字符的特征不断变化。 其次,信用卡欺诈的数据集在某种程度上是指示性的并且是不对称的。 信用卡欺诈检测主要受到因素的收集,数据集评估方法以及检测过程的影响。 本文表示分析了用于确定其在欺诈检测中的性能的各种方法,这些方法包括逻辑回归,朴素贝叶斯,K近邻,支持向量机(SVM),决策树,随机森林分类,k均值和keras在信用卡数据集上。 这些方法将应用到精炼的数据集上,并且该项目将在Python中执行。 这些技术是根据准确性和f1得分进行评估的。 结果表明随机森林分类(RFC)和其他应用技术的最高精确度,并且比较研究证明,随机森林分类(RFC)的性能要优于其他已实现的方法。