《表1 各机器学习模型的模型评价结果》
对比Bagging类方法(随机森林)与Boosting类方法(AdaBoost),在本例中Boosting方法对弱分类器的优化效果显著,AUC技术指标得到了显著的提升。虽然对于正常交易的识别准确度不及随机森林模型,但是对于欺诈交易的识别准确度有一定的提升。
图表编号 | XD0022563500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.15 |
作者 | 陈沁歆 |
绘制单位 | 西南财经大学统计学院 |
更多格式 | 高清、无水印(增值服务) |
对比Bagging类方法(随机森林)与Boosting类方法(AdaBoost),在本例中Boosting方法对弱分类器的优化效果显著,AUC技术指标得到了显著的提升。虽然对于正常交易的识别准确度不及随机森林模型,但是对于欺诈交易的识别准确度有一定的提升。
图表编号 | XD0022563500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.15 |
作者 | 陈沁歆 |
绘制单位 | 西南财经大学统计学院 |
更多格式 | 高清、无水印(增值服务) |