不平衡信用卡数据集分类的遗传编程适应度函数改进
神经与进化计算
2017-04-13 v1
摘要
基于机器学习的信用卡欺诈检测近来引起了研究界的相当大兴趣。该领域最重要的任务之一是分类器处理信用卡数据不平衡的能力。在此场景下，尽管实现高总体准确率，分类器往往在欺诈类（少数类）上产生较差准确率。这是由于多数类对传统训练准则的影响。本文旨在应用遗传编程通过调整现有适应度函数来解决此问题。我们检验先前研究的两种适应度函数，并开发两种新适应度函数以演化在少数类和整体上具有更优准确率的GP分类器。使用两个UCI信用卡数据集评估所提适应度函数的有效性。结果表明所提适应度函数增强了GP分类器，在少数类和多数类上均促进更优的解。
引用
@article{arxiv.1704.03522,
title = {Improving Fitness Functions in Genetic Programming for Classification on Unbalanced Credit Card Datasets},
author = {Van Loi Cao and Nhien-An Le-Khac and Miguel Nicolau and Michael ONeill and James McDermott},
journal= {arXiv preprint arXiv:1704.03522},
year = {2017}
}