Kolmogorov-Arnold网络在欺诈检测中的应用：弥合理论与实践之间的差距
机器学习
2024-09-05 v2 神经与进化计算
摘要
本研究评估了Kolmogorov-Arnold网络（KAN）在欺诈检测中的适用性，发现其有效性取决于具体情境。我们提出了一种使用主成分分析（PCA）的快速决策规则来评估KAN的适用性：如果数据能够在二维空间中使用样条有效分离，KAN可能优于传统模型；否则，其他方法可能更为合适。我们还引入了一种启发式的超参数调整方法，显著降低了计算成本。这些发现表明，尽管KAN具有潜力，但其使用应基于数据特定的评估。
关键词
引用
@article{arxiv.2408.10263,
title = {Kolmogorov Arnold Networks in Fraud Detection: Bridging the Gap Between Theory and Practice},
author = {Yang Lu and Felix Zhan},
journal= {arXiv preprint arXiv:2408.10263},
year = {2024}
}