13、信用卡欺诈分析与旅游行业挑战研究

信用卡欺诈分析与旅游行业挑战研究

1. 信用卡欺诈检测

1.1 关键参数介绍

在信用卡欺诈检测领域，RBF 核有一个重要参数——Gamma。它可以被视为核的扩散程度，进而影响决策区域。低 Gamma 意味着决策边界的“曲线”较平缓，决策边界范围很宽；高 Gamma 则表示决策边界的“曲线”较陡峭，会在数据点周围形成孤立的决策边界。

SVC 学习器有另一个重要参数 C，它代表对数据点误分类的惩罚。较小的 C 表明分类器可以接受一定程度的误分类（高偏差，低方差）；较大的 C 意味着对误分类有较重的惩罚，应尽量避免（低偏差，高方差）。

1.2 检测结果分析

对数据集应用多种技术后，依据 Precision（精确率）、Recall（召回率）、Accuracy（准确率）、AUC（曲线下面积）等指标来衡量和比较各技术的效率。以下是缩放数据在欠采样和过采样情况下的结果：

缩放数据欠采样结果

Metrics	LR	KNN	RF	SVM	NB	DT
Precision	0.9858	1.0000	0.9931	1.0000	1.0000