TY -的A2 -李,Zengpeng AU - Arora, Vinay盟——Leekha Rohan辛格AU -李,Kyungroul盟——Kataria阿曼PY - 2020 DA - 2020/10/30 TI -促进用户授权不平衡数据日志的信用卡使用人工智能SP - 8885269六世- 2020 AB -一个有效的机器学习的实现意味着人工智能有着巨大的潜力为商业金融威胁评估和自动化公司和信用评级机构。本研究的范围是建立一个帮助商业资信咨询机构的预测框架造型/评估信用卡犯罪风险。机器学习可以使风险评估预测欺骗大不平衡数据的分类事务正常或骗子。在欺诈交易的情况下,可以将警报发送到相关的金融组织,可以暂停支付的释放特定的事务。RUSBoost等所有的机器学习模型,决策树,逻辑回归,多层感知器, K最近的邻居,随机森林,和支持向量机的整体预测性能定制RUSBoost是最令人印象深刻的。实验中所使用的评价指标敏感性,特异性,精度, F分数,接受者操作特征和精密召回曲线下的面积。数据集用于模型的训练和测试已从kaggle.com。SN - 1574 - 017 - 2020/8885269 / 10.1155 x你——https://doi.org/10.1155/2020/8885269——摩根富林明-移动信息系统PB - Hindawi KW - ER