基於iForest異常值檢測法的反欺詐研究(1)

本文主要介紹異常值檢測領域一種高效的非監督算法孤立森林:該算法構建多棵孤立樹將每個樣本單獨分成一類,通過衡量分類時各樣本點被區分開的難易程度來尋找異常值。以往異常值檢測方法多用有監督模型,需要使用歷史數據對交易行為進行分類,所以這些模型只能識別歷史數據中已有的詐騙手段,新的欺詐方式卻難以識別。而孤立森林非監督的檢測原理可以很好的克服這一問題,而且該算法還擁有高精度和線性時間複雜度的特點,非常適用於金融行業的反欺詐領域。

立即體驗,開啟數位化轉型之旅!