怎样建立欺诈行为模型

sunjm9999 2002-03-08 09:14:59
在欺诈预防功能中,需要建立欺诈行为模型,有谁知道,

怎样建立欺诈模型
...全文
105 5 打赏 收藏 转发到动态 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
yangyipeng 2002-03-15
  • 打赏
  • 举报
回复
TO truestorm
我支持2,有点类似数学里面的反正法!
这样既可以找出有利可图的客户,也可以防止欺骗行为
truestorm 2002-03-14
  • 打赏
  • 举报
回复
有两种方法:1
按照响应模型的思路做。把欺诈作为一个响应。
然后建立一个响应模型。
2
按照客户聚类做。
把客户聚类,那些游离在大的聚类之外的非常小的聚类,有可能就代表这些欺诈者
theng 2002-03-13
  • 打赏
  • 举报
回复
建议下载:data mining : concepts and techniques读一读,有好多参考文献列表,不过我自己对例外挖掘也没研究过:-(
sunjm9999 2002-03-11
  • 打赏
  • 举报
回复
大哥,能不能说清楚点,我找了半天,没有找到相关文献,给我一个地址吧
theng 2002-03-08
  • 打赏
  • 举报
回复
一般说来,在数据挖掘方法中有“例外挖掘”模型可供采用,这方面的文献很多的。
项目共设计了四个主要模型:申请人评级模型行为评级模型、收款评级模型(催收评级模型)和欺诈评级模型。每个模型都有明确的目标和功能: 1. **申请人评级模型**:基于客户的个人和财务信息,对申请人的信用状况进行分类,评估其违约的可能性。 2. **行为评级模型**:通过分析客户历史行为数据,如还款记录和逾期情况,预测未来可能的信用表现,区分出正常还款与潜在逾期的客户。 3. **收款评级模型**:预测客户违约的可能性,并根据预测结果确定最合适的催收措施,以降低损失。 4. **欺诈评级模型**:识别可能导致欺诈的特征,对新客户进行欺诈风险预测,以预防欺诈行为发生。 项目实施过程分为三个阶段:数据预处理与分析、模型构建、模型评估与优化。数据预处理阶段包括理解数据、缺失值处理、重复值处理、异常值检测与处理、特征选择和数据可视化。模型构建阶段,使用预处理后的数据训练上述四个模型,采用的技术包括降维处理和机器学习算法,如随机森林。模型评估阶段,通过交叉验证等方法,对模型的准确度、稳定性等性能指标进行测试,并提出改进建议。

7,394

社区成员

发帖
与我相关
我的任务
社区描述
其他数据库开发 数据仓库
社区管理员
  • 数据仓库
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧