面向迁移学习的自适应树提升方法
机器学习
2020-04-06 v2 机器学习
摘要
安全的在线交易是电子商务平台的一项基本任务。支付宝作为全球领先的无现金支付平台之一，为商户与个人客户提供支付服务。欺诈检测模型被用于保护客户，但新场景提出了更强烈的需求，这些场景缺乏训练数据与标签。所提出的模型通过利用相似旧场景下的数据，并将新场景下的数据作为待提升的目标域，从而发挥作用。受支付宝这一真实案例启发，我们将该问题视为迁移学习问题，并在梯度提升树模型框架下设计了一套修正策略，以将源域模型迁移至目标域。本工作为冷启动与数据共享问题提供了一种解决思路。
引用
@article{arxiv.2002.11982,
title = {Adapted tree boosting for Transfer Learning},
author = {Wenjing Fang and Chaochao Chen and Bowen Song and Li Wang and Jun Zhou and Kenny Q. Zhu},
journal= {arXiv preprint arXiv:2002.11982},
year = {2020}
}