面向真实信用卡欺诈检测的流式主动学习策略：评估与可视化
机器学习
2018-04-23 v1 机器学习
摘要
由于交易数据的特殊性质与标注过程，信用卡欺诈检测是一个极具挑战性的问题。交易数据之所以特殊，是因为它们以流式方式获取、高度不平衡且易呈现非平稳性。标注是主动学习过程的结果，因为每天人工调查员仅联系少量持卡人（关联至风险最高的交易）并获取相关交易的类别（欺诈或真实）。因此，对持卡人集合的恰当选择对于高效的欺诈检测过程至关重要。本文提出若干主动学习策略，并考察其欺诈检测准确率。我们比较了用于查询未标注交易的不同准则（有监督、半监督与无监督）。最后，我们强调了在欺诈检测背景下主动学习中存在探索/利用权衡，这一点迄今在文献中被忽视。
引用
@article{arxiv.1804.07481,
title = {Streaming Active Learning Strategies for Real-Life Credit Card Fraud Detection: Assessment and Visualization},
author = {Fabirzio Carcillo and Yann-Aël Le Borgne and Olivier Caelen and Gianluca Bontempi},
journal= {arXiv preprint arXiv:1804.07481},
year = {2018}
}