机构名称：
¥ 1.0
该研究检查了检测电子商务欺诈的有效性，挑战和最佳的机器学习算法。本研究使用系统文献综述来评估基于机器学习的电子商务欺诈检测，确定挑战并确定最有效的技术的有效性。该研究从ScienceDirect，Emeralds，Wiley和Springer数据库中提取的研究表明，从2012 - 2022年开始确定了29个出版物，使用限制和质量评估标准过滤，并评估纸质资格。这项研究表明，机器学习显着提高了检测电子商务欺诈的准确性。然而，在使用机器学习来检测电子商务欺诈之前，需要解决许多问题。较差的数据分布是检测电子商务欺诈的最大挑战。为了确定最佳的机器学习策略，还评估了模型的准确性，并且发现随机森林在准确性方面表现最好。这项研究增加了理论贡献，作为与机器学习概念在检测电子商务中的欺诈方面相关的研究的延续。然后，根据随机森林的更高精度，它为电子商务公司提供了实用的建议，以此作为决策者找到合适的机器学习技术以进行欺诈检测的基础。
电子商务欺诈的机器学习...
主要关键词
相关文件推荐
