回答情况：
提问时间：
问题标签：
0回答
借贷反欺诈的接口参数错误:[nonce:1010030891][0021-0000-0013]？
unix、借贷反欺诈、图像处理、http、编程算法
请求：http://csec.api.qcloud.com/v2/index.php?Action=AntiFraud&address=%E4%B8%8A%E6%B5%B7&name=%E5%BC%A0%E4%B8%89&Nonce=1010030891&Region=ap-guangzhou&SecretId=AKIDz8krbsJ5yKBZQpn74WFkmLPx3gnPhESA&Timestamp=1558092611&Signature=huIf3OJBDxTeq4U0c1wmuqvyvIU%3D&SignatureMet
浏览 282提问于2019-05-17
2回答
腾讯云反欺诈服务里面为什么没有腾讯分，这两个服务是分开的吗？腾讯分是怎么获取的？求教
浏览 947提问于2018-02-09
我想知道反欺诈者如何检查客户是否真的运行反欺诈？我的意思是，为什么不只是有人反向工程师csgo，并改变代码的vac，使它不能检测到黑客？vac发送给服务器的是什么，以确保它正在运行？我怎样才能确保客户使用我的反欺骗？
浏览 15提问于2020-05-28得票数 0
回答已采纳
我有两个类: BaseClass和反欺诈，这是从BaseClass派生的。['score', 'recall']
我希望当我实例化反欺诈类时
浏览 24提问于2020-03-09得票数 1
也来自
撤销订阅会立即取消对订阅的访问，通常是在您或Google怀疑欺诈时进行。是某个“谷歌反欺诈系统”吗？因为为了测试的目的，我们有较短的认购期，但价格很高。但是，当我们进行测试时，使用测试支付方法，当没有真正的交易时，可能不应该执行反欺诈。
浏览 0修改于2019-07-31得票数 5
对于数据表示在线欺诈或保险(每一行代表一个事务)的问题，响应变量通常表示以美元表示的欺诈行为的价值。这样的响应值可能少于5%的非零值，表示欺诈交易。关于这样的数据集，我有两个问题：
我们可以使用哪些算法来保证模型不仅可以准确地预测欺诈交易，而且还可以预测与这些欺诈相关的欺诈的价值。假设我们可以量化每个假阳性所涉及的成本(将非欺诈交易标记为欺诈性交易)和由于虚假否定而产生的成本(将欺诈性交易标记为非欺诈性交易)，我们如
浏览 0修改于2014-11-12得票数 3
在步骤4中，通常会发生以下情况：
在像这样的应用程序中，不是对回调url视图函数进行所有的逻辑处理，而是使用信号
浏览 3提问于2011-10-10得票数 0
回答已采纳
在经典的欺诈预测问题中，有没有办法降低误报率？目前，我正在研究经典的欺诈检测。有50000个样本有真实的标签(结果是由于调查)。这些训练标签是相当平衡的。现在，当使用该模型预测新病例时，结果是50/50(欺诈和非欺诈)。有没有办法调整模型，让我们通过非欺诈案件并惩罚假阳性率，以便我们检测到较少的欺诈案件(可能少于一百万起中的200起)，但它们极有可能是欺诈。希望这一切都清楚了。
浏览 82提问于2020-12-20得票数 1
汽车保险欺诈数据集有15k个样本(文本数据)，其中约14k不是欺诈样本和1k欺诈。深入学习对这个数据集有好处吗？
另外，哪些算法适合于欺诈检测？
浏览 1提问于2022-06-19得票数 -4
默认情况下，CN2为两个类(欺诈和非欺诈)学习规则。由于我只对欺诈类规则感兴趣，学习非欺诈规则是浪费时间，特别是考虑到我需要在许多数据集中运行CN2。CN2是否可能只学习欺诈类规则，如果有，如何在脚本中配置它来完成这个任务？谢谢!
浏览 3提问于2015-06-26得票数 1
回答已采纳
我有一个数据集，我想分类为欺诈/非欺诈，我有许多薄弱的学习者。我担心的是，有更多的欺诈比没有欺诈，所以我的弱学习者表现好于平均水平，但没有一个表现超过50%的准确性在成套。我的问题是，我是否应该设置测试和培训集，其中一半是欺诈，一半不是欺诈，或者我是否应该使用一个代表性的样本。
浏览 0修改于2015-06-13得票数 7
1回答
我有一个包含欺诈和非欺诈数据的数据集。该系统是一个基于规则的引擎，有20多个规则。如果总分高于某一阈值，则支付被归类为欺诈性。什么是使用机器学习优化分配给不同规则的分数的有效方法(欺诈规则)。
谢谢
浏览 0修改于2018-05-20得票数 -1
回答已采纳
check: "unavailable",对于那些想知道为什么的人来说，简单地说，当这两个价值“不可用”时，这意味着银行的信用卡不支持这些反欺诈功能，而且根据经验，这些指控很有可能确实是欺诈性的。
浏览 3提问于2015-10-07得票数 1
回答已采纳
1回答
我有信用卡欺诈数据集。有两种类型，一种是欺诈交易，另一种是非欺诈交易。你能建议我用什么ML算法来模拟这两个种群的主要特征吗？我需要创建两个配置文件：欺诈交易-金额< 90 $的交易，交易发生在一天中的特定时间
不是欺诈的事务--金额大于90 $的事务，事务发生在一天中的特定时间。
浏览 0修改于2021-01-15得票数 1
1回答
我正在玩一个信用欺诈检测数据集在Kaggle。包含约0.1%欺诈交易的不平衡数据集。这些特性是由+ time & txn量完成的PCA练习中的28台PC，以及用于合法/欺诈txn的类变量0/1。然而，我发现个人电脑在欺诈案件中仍然是相关的(如果你将数据集分解成合法/欺诈案件)。对于使用朴素贝叶斯分类器进行欺诈检测，什么是最好的方法来最小化这种影响？然而，我似乎并不认为删除离群点是一个明智的选择，因为欺诈本身可能是一个离群点。在不删除
浏览 0提问于2018-11-16得票数 2
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号