论文部分内容阅读
该文针对信用卡欺诈客户数据集极不平衡的特点，设计了SMOTE、Borderline SMOTE、ADASYN、SMOTENC四种采样算法，对数据集进行均衡处理，并结合逻辑回归、支持向量机、随机森林、多层神经网络构建欺诈风险识别模型，最后通过准确率、AUC、精确率、召回率和F1等指标对识别模型效果进行评判。实验结果表明，SMOTENC采样方法与随机森林模型相结合构建的识别模型效果最好，准确率达到99%，可为银行进行客户欺诈风险判别提供支撑。