weixin_42517469的博客

论文：Financial Crime & Fraud Detection Using GraphComputing: Application Considerations & Outlook摘要：文章概述了金融犯罪领域的最新技术发展趋势。讨论了图算法在金融犯罪和欺诈检测应用中存在的困难。2013年-2018 年，中国的移动支付增长超过 120%（复合年增长率）。另一一方面，在这种新的快速发展的数字支付格局下欺诈犯罪活动也迅速演变。全球金融犯罪量估计约为每年 1.4-3.5 万

1.导论什么是机器学习？机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常由一组向量组成，这组向量中的每个向量都是一个样本，我们用xix_ixi​来表示一个样本，其中i=1,2,3,...,Ni=1,2,3,...,Ni=1,2,3,...,N,共N个样本，每个样本xi=(xi1,xi2,...,xip,yi)x_i=(x_{i1},x_{i2},...,x_{ip},y_i)xi​=(xi1​,xi2​,...,xip​,yi​)共p+1个维度，前p个维

1.集成学习的概念1.1 个体与集成集成学习（ensemble learning）通过构建并结合多个学习器来完成学习任务，又是也被成为多分类器系统（multi-calssifier system）。如下图显示出集成学习的一般结构：先产生一组“个体学习器（individual learner）”，再用某种策略将它们结合起来。1.2 同质集成和异质集成个体学习器通常由一个现有的学习算法从训练...

0、预备知识0.1回归树首先，GBDT使用的决策树是CART回归树，无论是处理回归问题还是二分类以及多分类，GBDT使用的决策树通通都是都是CART回归树。为什么不用CART分类树呢？因为GBDT每次迭代要拟合的是梯度值，是连续值所以要用回归树。对于回归树算法来说最重要的是寻找最佳的划分点，那么回归树中的可划分点包含了所有特征的所有可取的值。在分类树中最佳划分点的判别标准是熵或者基尼系数，都...

1、算法原理2、损失函数一般的机器学习的目标函数通常由两部分组成：训练样本的loss：也就是样本的预测值与真是标签之间的误差，本质上是为了十的模型输出尽可能你和真实标签；正则化项loss：一般来说有了上面这个训练样本的loss就够了，但是通常会发现，如果这个训练样本的loss足够小，这样的模型就比较复杂，也就是通常所说的过拟合。有了正则化项loss，这个loss主要从模型的学习参数上着...