基于贝叶斯优化的SVM-Xgboost移动支付风险预警模型

作者：李保安; 张雨祺; 李培峦

来源：河南科技大学学报(自然科学版), 2022, 43(05): 50-7.

DOI：10.15926/j.cnki.issn1672-6871.2022.05.008

• 贝叶斯优化
• SVM
• Xgboost
• 模型组合
• 移动支付

为了进一步提高移动支付交易风险的预测精度，提出了基于贝叶斯优化的支持向量机(SVM)和极端梯度提升树(Xgboost)的组合模型。首先，使用贝叶斯优化对使用训练集所建立的SVM-Xgboost组合模型的参数进行优选组合，使用逻辑回归模型对组合模型的特征进行训练；再将测试集上得到的预测类别概率值，作为新的特征代入训练好的逻辑回归模型中，得到最终测试集上的预测结果。研究结果表明：本文的模型与原始单个模型相比，准确率分别提升了17.4%和0.8%,召回率分别提升了40.7%和3.0%,接受者操作特性(ROC)曲线下的面积(AUC)值分别提升了16.4%和0.8%。该模型预测准确率为97.3%,该模型是一种有效的移动支付风险侦测模型。

• 单位
  河南科技大学; 洛阳职业技术学院