基于机器学习的电信诈骗危险预测研究 |
| |
引用本文: | 黄靛,李紫霞,万良豪.基于机器学习的电信诈骗危险预测研究[J].镇江高专学报,2023(2):56-60. |
| |
作者姓名: | 黄靛 李紫霞 万良豪 |
| |
作者单位: | 1. 南昌航空大学信息工程学院;2. 江西财经大学经济学院 |
| |
摘 要: | 提前检测电信欺诈行为能减少消费者的损失,有助于维护社会经济秩序。分析银行卡交易地点与家的距离等7个变量与诈骗行为的关系,分别建立Logistic回归、决策树、XGBoost等诈骗行为预测模型。研究结果表明:1)不通过芯片(银行卡)进行的交易、交易时不使用PIN码、在线交易订单均会提高被诈骗的概率;2)对比分析准确率等评价指标发现XGBoost算法在电信诈骗行为预测效果上表现更好。
|
关 键 词: | 银行卡电信诈骗 机器学习 Logistic回归 决策树算法 XGBoost算法 |
|
|