《表1 数据集介绍：改进利益驱动神经网络在欺诈信息的应用研究》

  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

《改进利益驱动神经网络在欺诈信息的应用研究》

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

第一个数据集中包括9 388条客户的交易信息，合法交易和欺诈性交易的比例为9∶1，其中有939个欺诈性交易，其他的为合法交易。数据集拥有102条属性。第二个数据集中包括5 960个样本，其中1 019个欺诈性交易，4 941个合法交易，该数据集包括46条属性。这两个数据集是从银行交易系统遴选的一部分数据，该数据的特点是具有相当一部分欺诈性交易信息，其中，第一个数据集的合法交易与欺诈性交易比例为9∶1，第二个数据集的比例接近5∶1。这些一高一低的比例有助于理解欺诈检测方法的性能。在本文的实证研究中，数据集的划分方式为:2/3的部分被用于对模型的训练，1/3的部分被用于测试训练后的模型。在所有的数据集中都有一个基于收益的属性，在每个样本中将处罚个体化，在信用卡数据集中该属性为可用额度，在银行直销数据集中该属性为客户余额。ANN模型从训练数据集中自动地提取一个验证数据集（15%），以避免过拟合问题。关于数据集的所有信息和使用的ANN如表1所示。