[发明专利]基于少量欺诈样本的银行高风险欺诈客户识别方法

权利要求书

1.基于少量欺诈样本的银行高风险欺诈客户识别方法，其特征在于所述方法包括有如下步骤：

S1：提取银行客户数据D，D＝{D_p,D_u}，其中D_p表示已标记为“欺诈”的客户，D_u表示未标记为“欺诈”的客户群体；D_pi＝A_i,y_i，D_ui＝A_i，其中A_i为某客户的特征变量，y_i为对应类别；y_i＝+1代表“欺诈”，y_i＝-1代表“非欺诈”；A为所有客户的特征变量组成的矩阵；

S2:对原始数据进行数据预处理和数据清洗；

S3：从D_p中随机抽出s％的样本作为间谍样本，并放入D_u中产生新的数据集和

S4：利用和作为两个类别训练逻辑回归模型，并用该逻辑回归模型对中的数据打分，即样本为正例的概率值，取D_u中分数低于设定阈值t的样本组成可靠负样本集D_n，可靠负样本集中样本对应标签y_i＝-1；

S5：用D_p和D_n，对应类别分别为y_i＝+1和y_i＝-1；训练随机森林模型，Posl为样本S＝(D_p∪D_n)中正样本的比例，使用bootstrap从S中抽取样本做训练集，最终约有的样本在训练集中，剩余的做验证集；

S6：将Posl分别设置为0.1-0.9，步长为0.1，对应每个Posl，使用训练集数据构造一棵树T_j，j＝1,2,...,9；构造一棵树T_j的步骤如下：

S61、从属性集合A中随机有放回抽样形成新的属性空间A′；

S62、对属性空间A′中的每个属性a_j，计算信息增益，|P|和|U|分别表示训练集中正样本个数和未标记样本个数，|P_node|和|U_node|分别表示节点数据中正样本个数和未标记样本个数，信息增益计算方法如下：

p_-1＝1-p₁

S63、具有最大信息增益的属性选作分割属性并从分割点伸展出子节点；

S64、对每个子节点重复步骤S61至步骤S63，直到树无法分裂生长完全；

S7：利用验证集数据从步骤S6产生的9棵树中找出最优树F；找出最优树的步骤如下：

S71:将T_j，j＝1,2,...,9分别作用于测试集上，计算测试集中正样本个数|P_v|，未标记样本个数|U_v|，假负数|FU_v|，以及假正数|FP_v|；

S72:计算评估指数：

S73:最小评估指数对应的树为最优树；

S8：重复步骤S5到步骤S7直到得到n棵最优树，集成后得到一个包含n棵树的随机森林，利用上述训练得到的随机森林，对银行客户数据进行输入预测，预测类别y_i＝+1的客户认定为高风险欺诈客户。

2.根据权利要求1所述的基于少量欺诈样本的银行高风险欺诈客户识别方法，其特征在于：步骤S2中所述的数据预处理和数据清洗包括：检查数据质量，清除重复数据和异常数据，填补解释变量A的缺失值并进行归一化，并将类别变量转化为数值型变量。

3.根据权利要求1所述的基于少量欺诈样本的银行高风险欺诈客户识别方法，其特征在于：步骤S4中的阈值t为15％。