基于贝叶斯优化的SVM-Xgboost移动支付风险预警模型
李保安1
张雨祺2
李培峦2
1.河南科技大学 数学与统计学院, 河南 洛阳 471023;洛阳职业技术学院,河南 洛阳 4710002.河南科技大学 数学与统计学院, 河南 洛阳 471023
摘要：为了进一步提高移动支付交易风险的预测精度,提出了基于贝叶斯优化的支持向量机(SVM)和极端梯度提升树(Xgboost)的组合模型.首先,使用贝叶斯优化对使用训练集所建立的SVM-Xgboost组合模型的参数进行优选组合,使用逻辑回归模型对组合模型的特征进行训练;再将测试集上得到的预测类别概率值,作为新的特征代入训练好的逻辑回归模型中,得到最终测试集上的预测结果.研究结果表明:本文的模型与原始单个模型相比,准确率分别提升了17.4％和0.8％,召回率分别提升了40.7％和3.0％,接受者操作特性(ROC)曲线下的面积(AUC)值分别提升了16.4％和0.8％.该模型预测准确率为97.3％,该模型是一种有效的移动支付风险侦测模型.
关键词：贝叶斯优化SVMXgboost模型组合移动支付
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(12101195)
论文发表日期：2022-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 50-56 )