金融欺诈检测：量子机器学习模型的比较研究
量子物理
2023-11-28 v1 机器学习
综合金融
摘要
本研究对四种量子机器学习（QML）模型在金融欺诈检测中进行了比较研究。我们证明量子支持向量分类器模型取得了最高性能，欺诈与非欺诈类的 F1 分数均为 0.98。其他模型如变分量子分类器、估计器量子神经网络（QNN）和采样器 QNN 展示了有前景的结果，推动了 QML 分类在金融应用中的潜力。尽管它们表现出一定局限，所获得的见解为未来改进与优化策略铺平了道路。然而，挑战依然存在，包括需要更高效的量子算法以及更大更复杂的数据集。本文提供了克服当前局限的方案，并为欺诈检测中的量子机器学习领域贡献了新见解，对其未来发展具有重要意义。
引用
@article{arxiv.2308.05237,
title = {Financial Fraud Detection: A Comparative Study of Quantum Machine Learning Models},
author = {Nouhaila Innan and Muhammad Al-Zafar Khan and Mohamed Bennai},
journal= {arXiv preprint arXiv:2308.05237},
year = {2023}
}
备注
30 pages, 15 figures, and 2 tables