[发明专利]一种集成学习反欺诈测试方法及系统

权利要求书

1.一种学习反欺诈测试方法，其特征是，所述方法包括以下步骤：

抽取训练样本集，对训练样本集中的用户信息提取特征视图；

训练基分类器，对特征视图采用多项分类算法训练获得基分类器集合；

利用集成学习方法处理所述基分类器集合，得到集成的分类模型；

从测试样本集提取出与所述特征视图相应的特征；

根据提取到的测试样本集的特征，用所述集成的分类模型对测试样本进行分类，得到测试结果。

2.根据权利要求1所述的一种学习反欺诈测试方法，其特征是，所述特征视图包括用户信用卡数据特征视图、征信报告特征视图、运营商数据特征视图、应用列表子模型特征视图中一项或多项的组合。

3.根据权利要求2所述的一种学习反欺诈测试方法，其特征是，所述的应用列表子模型特征视图的提取步骤包括：获取用户手机的应用列表子模型，对所述应用列表子模型进行稀疏特征处理获得应用列表子模型特征视图。

4.根据权利要求1所述的一种学习反欺诈测试方法，其特征是，所述的多项分类算法包括C4.5决策树算法、Random Forest随机森林算法、SVM算法、Logistic Regression逻辑回归算法、GBDT算法、Rotation Forest旋转森林算法、Ada boosting算法。

5.根据权利要求1所述的一种学习反欺诈测试方法，其特征是，所述集成学习方法包括Voting算法、Stacking算法和Ensemble Selection算法。

6.一种集成学习反欺诈测试系统，其特征是，所述系统包括：

训练样本模块，用于抽取训练样本集，对训练样本集中的用户信息提取特征视图；

基分类器训练模块，用于训练基分类器，对对认练数据采用二分类法得到基分类集合；

分类模型模块，用于利用集成学习方法处理所述基分类器集合，得到集成的分类模型；

特征提取模块，用于从测试样本集提取出与所述目标相应的特征；

测试模块，用于根据提取到的测试样本集的特征，用所述集成的分类模型对测试样本进行分类，得到测试结果。

7.根据权利要求6所述的一种集成学习反欺诈测试系统，其特征是，所述特征视图包括用户信用卡数据特征视图、征信报告特征视图、运营商数据特征视图、应用列表子模型特征视图中一项或多项的组合。

8.根据权利要求7所述的一种集成学习反欺诈测试系统，其特征是，所述的应用列表子模型特征视图是对所述应用列表子模型进行稀疏特征处理获得应用列表子模型子模型特征视图。

9.根据权利要求6所述的一种集成学习反欺诈测试系统，其特征是，所述的多项分类算法包括C4.5决策树算法、Random Forest随机森林算法、SVM算法、Logistic Regression逻辑回归算法、GBDT算法、Rotation Forest旋转森林算法、Ada boosting算法。

10.根据权利要求6所述的一种集成学习反欺诈测试系统，其特征是，所述集成学习方法包括Voting算法、Stacking算法和Ensemble Selection算法。