机构名称：
¥ 1.0
该研究旨在识别复杂的欺诈活动。机器学习和深度学习等人工智能 (AI) 技术在提高欺诈检测模型的准确性和效率方面表现出巨大潜力。本研究介绍了一种新型的基于 AI 的欺诈检测模型，该模型结合了监督学习和无监督学习方法。所提出的机器学习系统使用这些技术来检测欺诈交易。监督学习组件使用包含欺诈和非欺诈交易的标记数据集进行训练。研究中使用的数据集包含 284,807 笔信用卡交易。准备好数据后，开发了四个基于 Python 的模型。K 最近邻 (KNN) 模型成功预测了 99.94% 的信用卡交易是有效还是欺诈。随机森林 (RF) 模型也用于评估交易的合法性，准确率达到 99.96%，几乎对所有数据点都进行了正确分类。支持向量机 (SVM) 模型的准确率达到 99.94%，仅错误分类了 51 例。逻辑回归（LR）模型的准确率为 99.92%，错误分类有 70 次；准确率为 99.91%，错误分类有 77 次。这些模型表现出较高的准确性和效率。
基于人工智能的增强型金融欺诈检测模型
主要关键词
相关文件推荐
