在线信用卡支付欺诈检测中异常检测方法的比较评估
机器学习
2023-12-22 v1 统计金融
摘要
本研究探讨了异常检测（AD）方法在不平衡学习任务中的应用，重点关注使用真实在线信用卡支付数据进行欺诈检测。我们评估了几种近期AD方法的性能，并将其有效性与标准监督学习方法进行了比较。通过提供数据集内存在分布偏移的证据，我们分析了其对受测模型性能的影响。我们的研究结果表明，LightGBM在所有评估指标上表现出显著优越的性能，但比AD方法更容易受到分布偏移的影响。此外，我们的调查还发现，LightGBM也捕获了AD方法检测到的大多数欺诈行为。这一观察结果对结合监督学习与AD方法以提升性能的集成方法的潜在优势提出了挑战。总而言之，本研究为这些技术在现实场景中的应用提供了实用见解，展示了LightGBM在欺诈检测中的优越性，同时强调了与分布偏移相关的挑战。
引用
@article{arxiv.2312.13896,
title = {Comparative Evaluation of Anomaly Detection Methods for Fraud Detection in Online Credit Card Payments},
author = {Hugo Thimonier and Fabrice Popineau and Arpad Rimmel and Bich-Liên Doan and Fabrice Daniel},
journal= {arXiv preprint arXiv:2312.13896},
year = {2023}
}
备注
Accepted at ICICT 2024