[发明专利]一种基于异质集成学习的欺诈预测方法、装置及电子设备

权利要求书

1.一种基于异质集成学习的欺诈预测方法，其特征在于，所述方法包括：

将初始训练集切分为互斥的第一训练集和第二训练集，所述初始训练集包括涉及网络欺诈行为的历史数据，该历史数据包括用户属性信息和欺诈行为信息；

在所述第一训练集中训练多个不同类型的初级学习器；

根据所述第二训练集和训练好的所述多个初级学习器训练次级学习器；

将测试集数据输入训练好的所述次级学习器中，根据输出结果预测欺诈行为。

2.根据权利要求1所述的方法，其特征在于，通过调节超参数的方式在所述第一训练集中训练多个同一类型的初级学习器。

3.根据权利要求1-2中任一项所述的方法，其特征在于，所述根据所述第二训练集和训练好的多个所述初级学习器训练次级学习器包括：

将训练好的所述多个初级学习器在所述第二训练集中做预测，生成次级训练集；

在所述初级训练集中训练次级学习器。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述多个不同类型的初级学习器的准确度大于预设准确度，且各个初级学习器之间的差异性大于预设值。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述初级学习器包括：孤立森林iForest、单类别支持向量机OCSVM和概率神经网络PNN。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述次级学习器为逻辑回归LR分类器。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述第一训练集和所述第二训练集在所述初始训练集中的占比分别为：70％和30％。

8.一种基于异质集成学习的欺诈预测装置，其特征在于，所述装置包括：

切分模块，用于将初始训练集切分为互斥的第一训练集和第二训练集；所述初始训练集包括涉及网络欺诈行为的历史数据，该历史数据包括用户属性信息和欺诈行为信息；

第一训练模块，用于在所述第一训练集中训练多个不同类型的初级学习器；

第二训练模块，用于根据所述第二训练集和训练好的所述多个初级学习器训练次级学习器；

预测模块，用于将测试集数据输入训练好的所述次级学习器中，根据输出结果预测欺诈行为。

9.一种电子设备，包括：

处理器；以及

存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现权利要求1-7中任一项所述的方法。