《表1 smote算法处理前后对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于logistic回归的信用反欺诈预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于我们得到的欺诈数据非常少这一条件，我们选择采用过采样的方法来解决数据不均衡的问题。smote处理样本不均衡时，通常按照如下步骤：（1）就少数类中每一个样本x而言，通过采取欧氏距离为标准计算它到少数类样本集Smin中所有样本之间的距离，从而能够得到其k近邻。（2）为了确定采样倍率N，需根据样本不平衡比例来设置一个采样比例。对于一个少数类样x，从其k近邻中随机选择若干个样本，并假设选择的近邻为xn。（3）对于每一个随机选出的近邻xn，按照特定的公式分别与原样本构建新的样本。经smote处理后，产生的结果如表1所示。即在处理之后，正负样本各占50%，达到均衡状态。