【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种信用卡欺诈预测模型的训练方法、信用卡欺诈预测模型的训练装置、计算机设备及计算机可读存储介质。
技术介绍
1、信用卡欺诈是当前大数据金融时代国家与社会特别是银行业面临的一个金融风险，亟需积极探索移动互联网大数据新技术与欺诈风险防范的结合，不断提升欺诈洞察能力和欺诈策略适应能力，以实现对欺诈风险的智能化和精准化管理。
2、传统的信用风险度量是根据客户基本信息和信用历史资料，利用相应的机器学习信用预测模型，评估用户的信用欺诈概率，该类方法以局部分析多，全局分析少。因此如何训练生成信用卡欺诈预测模型，对于提高信用卡欺诈预测的准确性起到重要作用。
技术实现思路
1、本申请提供了一种信用卡欺诈预测模型的训练方法、信用卡欺诈预测模型的训练装置、计算机设备及计算机可读存储介质，旨在生成性能较优的信用卡欺诈预测模型，由此能够较为准确的预测用户使用信用卡的欺诈行为。
2、为实现上述目的，本申请还提供一种信用卡欺诈预测模型的训练方法，包括：
3、获取初始数据集以及预训练模型，并对所述初始数据集进行预处理操作，得到训练数据集，其中，所述预训练模型包括多个初始学习器；
4、将所述初始数据集遍历每一所述初始学习器，得到若干预测结果，并将若干所述预测结果堆叠为目标预测结果；以及，确定每一所述初始学习器对应的初始预期误分类代价；
5、基于所述目标预测结果以及所述初始预期误分类代价确定所述预训练模型对应的目标预期误分类代价；<...
【技术保护点】
1.一种信用卡欺诈预测模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述初始数据集进行预处理操作，得到训练数据集，包括：
3.根据权利要求2所述的方法，其特征在于，所述初始数据集包括银行卡交易地点与用户家的距离、上次交易地点与家的距离、上次交易发生地点、上次交易与历史交易价格中位数的比率、交易是否发生在同一个商户、是否通过银行卡进行交易、是否使用个人识别密码；
4.根据权利要求1所述的方法，其特征在于，所述通过平衡算法对所述初始数据集进行数据重构，得到数据重构后的数据集，包括：
5.根据权利要求1所述的方法，其特征在于，所述得到所述信用卡欺诈预测模型之后，还包括：
6.根据权利要求1所述的训练方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的训练方法，其特征在于，所述对所述交易信息进行特征提取，得到目标交易特征向量，包括：
8.一种信用卡欺诈预测模型的训练装置，其特征在于，所述训练装置包括：
9.一种计算机设备，其特征在于，包
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1-7中任一项所述的信用卡欺诈预测模型的训练方法的步骤。
...【技术特征摘要】
1.一种信用卡欺诈预测模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述初始数据集进行预处理操作，得到训练数据集，包括：
3.根据权利要求2所述的方法，其特征在于，所述初始数据集包括银行卡交易地点与用户家的距离、上次交易地点与家的距离、上次交易发生地点、上次交易与历史交易价格中位数的比率、交易是否发生在同一个商户、是否通过银行卡进行交易、是否使用个人识别密码；
4.根据权利要求1所述的方法，其特征在于，所述通过平衡算法对所述初始数据集进行数据重构，得到数据重构后的数据集，包括：
5.根据权利要求1所述的方法，其特征在于，所述得到所述信用卡欺诈预测模型之后，还包括：
6.根据权...
【专利技术属性】
技术研发人员：舒畅，陈远旭，姚敏欣，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。