基于组合分类器的信用卡信誉检测.pdfVIP

篓20312l耄年第9月 成都大学学报(自然科学版) V_01．3l NO．3 JournalofChe。ng—duU。n。ive’rs。i。ty一(N lS’c…ienceEditi0n) Sep．2012 文章编号：1004—5422(2012)03—0239—04 基于组合分类器的信用卡信誉检测 周 宓 (泉州师范学院应用科技学院，福建 泉州 362000) 摘 要：给出了支持向量机的信用卡信誉检测模型和基于决策树的信用卡信誉检测模型的建立方法，并在这 两种单一分类器的基础上，归纳总结支持向量机方法和决策树方法对信用卡信誉检测的偏好特性，提 出了一种 基于偏好特性进行组合的组合分类器模型建立方法． 关键词：信誉检测；支持向量机 ；决策树；组合分类；测全率；测准率 中图分类号：TP274 文献标识码 ：A 至有可能会有干扰检测效果的不 良影响，对此，可先 O 引 言 采用巴氏距离法 和 Refief算法口]对多个属性进行 信用卡作为一种先进的金融支付工具，因其所 处理，以去除无关属性． 具有的操作便捷、结算安全等特点得到快速发展．如 1．2 决策树分类法4【J 何利用客户的基本信息及交易行为信息，演绎客户 决策树分类法是应用最广的归纳推理算法之 信用卡的交易行为模式，识别和控制信用卡交易中 一 ． 它对数据进行分类，可达到预测的目的HJ．决策 的恶意提现以及恶意透支行为以及检测信用卡账户 树方法首先根据训练集数据形成决策树，如果该树 的信誉水平，以更好地为优质客户提供满意的服务， 不能对所有对象给出正确的分类，那么选择一些例 同时降低非优质客户所带来的坏账风险，是银行信 外加人到训练集数据中，重复该过程一直到形成正 用卡风险管理迫切需要解决的问题．本研究给出了 确的决策集．本研究采用的是C5．0决策树算法． 基于支持向量机的信用卡信誉检测模型和基于决策 1．3 组合分类器法 树的信用卡信誉检测模型的建立方法 ，并总结支持 组合分类器是多种学习算法的组合，是 目前比 向量机方法和决策树方法对信用卡信誉检测的偏好 较流行的机器学习算法之一，其主要 目的是提升分 特性，提出了一种基于偏好特性进行组合的组合分 类的准确率[5】．目前，常用的组合模型多为两层结 类器模型建立方法，并对结果进行了分析 ． 构：第一层为多个不同的学习算法独立地对训练样 本集进行学习训练；第二层为一个分类器组合，它对 1 第一层中各分类器的输出进行某种组合 (多为线性 1．1 支持向量机分类法 组合)． 支持向量机就是首先通过用内积函数定义的非 通常，组合分类器模型会出现多个分类结果，如 线性变换将输入空间变换到一个高维空间，在这个 何处理和组合成员分类器的分类结果，实现分类器 空间中求最优分类面的一种线性分类器 ¨]．支持向 的融合是组合分类器研究中的一个重要部分 ．目前， 量机分类函数形式上类似于一个神经网络，输人是 对成员分类器分类结果的处理方法主要分为投票法 d维特征向量，输出是中间节点的线性组合，每个中 和非投票法 J． 间节点对应一个支持向量．由于支持向量机的求解