欺诈检测的实例级解释：一个案例研究
机器学习
2018-06-20 v1 人工智能
机器学习
摘要
欺诈检测是一个可受益于预测建模的难题。然而，预测的验证具有挑战性；对于单一保险单，模型仅提供预测分数。我们提出一个案例研究，反思不同的实例级模型解释技术，以协助欺诈检测团队工作。为此，我们设计了两个结合多种最先进解释技术的新颖仪表板。这些使领域专家能够分析和理解预测，大幅加快筛选潜在欺诈案件的过程。最后，我们讨论所得经验教训并概述开放研究问题。
引用
@article{arxiv.1806.07129,
title = {Instance-Level Explanations for Fraud Detection: A Case Study},
author = {Dennis Collaris and Leo M. Vink and Jarke J. van Wijk},
journal= {arXiv preprint arXiv:1806.07129},
year = {2018}
}
备注
presented at 2018 ICML Workshop on Human Interpretability in Machine Learning (WHI 2018), Stockholm, Sweden