欺诈检测是主要的挑战问题之一。 本文解决的问题是欺诈检测和提高性能。 欺诈者日新月异,很难识别哪些数据是欺诈,哪些是合法的。 在本文中,设计了一个框架 TEJU 作为欺诈检测,并使用机器学习技术提高破产数据集的分类性能。 因此,我们可以通过使用 kNN 的机器学习技术来减少问题,并且主要目标应用两个模式之间的距离计算相似度并分类到每个类别中。 然后基于框架的实验结果来提高性能分析的准确性、ROC 曲线值和错误率。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~