PulseAugur
中
实时 19:00:04
English(EN) SilIF: Silhouette-Augmented Isolation Forest for Unsupervised Transaction Fraud Detection

新型SilIF算法增强无监督欺诈检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SilIF，这是对用于无监督交易欺诈检测的隔离森林算法的一种新颖增强。SilIF包含一个基于轮廓的评分层，该层分析森林树创建的表示空间，以更好地识别异常。在大型交易欺诈数据集上，与标准隔离森林相比，这种增强平均将AUC-PR提高了0.0080，尽管其在不同数据集上的有效性有所不同。 AI

影响 为无监督欺诈检测引入了可调增强功能，有可能提高金融应用的准确性。

排序理由 该集群包含一篇详细介绍无监督异常检测新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型SilIF算法增强无监督欺诈检测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Venkatakrishnan Gopalakrishnan ·

    SilIF：用于无监督交易欺诈检测的轮廓增强隔离森林

    arXiv:2605.26135v1 Announce Type: new Abstract: Unsupervised anomaly detection is widely used in transaction fraud detection where labels are scarce. Isolation Forest (IF) is among the most popular classical methods due to its scalability and ease of deployment. We propose SilIF,…

相关实体

相关话题