RIFF：从决策树生成面向欺诈检测的规则
机器学习
2024-08-26 v1 人工智能
摘要
金融欺诈导致年度多数十亿美元损失。传统的欺诈检测系统依赖规则，其透明性和可解释性是决策需被解释的领域的关键特征。然而，规则系统需要大量来自领域专家的输入才能创建和调优，这是规则诱导算法试图缓解的难题。我们探索了将这些算法应用于欺诈检测的可能性，在此场景下，规则系统受限于保持较低的假阳性率（FPR）或警报率。我们提出了 RIFF—a一种从决策树直接提炼低 FPR 规则集合的规则诱导算法。我们的实验表明，所提炼的规则往往能够在低 FPR 任务中维持或提升原始模型的性能，同时大幅降低其复杂度，并优于专家手工调优的规则。
引用
@article{arxiv.2408.12989,
title = {RIFF: Inducing Rules for Fraud Detection from Decision Trees},
author = {João Lucas Martins and João Bravo and Ana Sofia Gomes and Carlos Soares and Pedro Bizarro},
journal= {arXiv preprint arXiv:2408.12989},
year = {2024}
}
备注
Published as a conference paper at RuleML+RR 2024