17、欺诈分析与人类活动识别中的神经网络应用

欺诈分析与人类活动识别中的神经网络应用

1. 欺诈分析中的相关技术

1.1 评估指标相关的 Scala 类

为了计算精度、召回率、敏感度、特异度、真阳性、真阴性、假阳性和假阴性等指标，定义了三个 Scala 案例类：

case class r(precision: Double, recall: Double)
case class r2(sensitivity: Double, specificity: Double)
case class r3(tp: Double, fp: Double, tn: Double, fn: Double, th: Double)

1.2 超参数调优与特征选择

通过调整超参数，如隐藏层数量、每个隐藏层的神经元数量、训练轮数和激活函数等，可以提高模型的准确性。基于 H2O 的深度学习模型支持以下激活函数：
| 激活函数 | 说明 |
| — | — |
| ExpRectifier | 指数整流函数 |
| ExpRectifierWithDropout | 带丢弃的指数整流函数 |
| Maxout | 最大输出函数 |
| MaxoutWithDropout | 带丢弃的最大输出函数 |
| Rectifier | 整流函数 |
| RectifierWthDropout | 带丢弃的整流函数 |
| Tanh | 双曲正切函数 |
| TanhWithDropout | 带丢弃的双曲正切函数 |

在