文件名称：Afraus:无监督的多模型欺诈检测算法√
文件大小：700KB
文件格式：ZIP
更新时间：2024-05-23 19:32:38
R
阿芙鲁斯 ##无监督的多模型欺诈检测算法可在尝试 Afraus建立在三个无监督模型的基础上： 本福德·罗（Benford Law）的测试，该测试针对本福德测试数据总量 控制图，查找在由控制上限和控制下限定义的范围之外的记录； 局部离群因子，属于k-NN系列的无监督算法。 设计 Afraus依次应用了三个引用的模型，从而分配了欺诈风险评分。 最终，为每条记录计算一个总得分，并将该得分分配给Afraus-score变量。 目标 开发Afraus的主要目的是建立一个工具，供“非技术人员”轻松使用，以检测其数据中可能发生的欺诈行为。 该目标的追求是仅选择无监督模型，该模型无需事先了解可能影响受测人群的欺诈方案，也无需用户进一步指定。 进一步发展 Afraus领先的发展原则是： 互补性：如果不同家族的两个模型可以捕获两个不同的欺诈方案，则加入togheter可以导致更大的检测范围 动态性：
【文件预览】：
Afraus-master
----.gitignore(167B)
----Afraus.Rproj(205B)
----LICENSE(6KB)
----README.md(1KB)
----Afraus_app()
--------analytics.js(391B)
--------server.R(3KB)
--------demo.csv(9KB)
--------scripts()
--------rsconnect()
--------www()
--------figures()
--------main.R(391B)
--------Afraus_app.Rproj(205B)
--------._main.R(4KB)
--------ui.R(15KB)