ПРИМЕНЕНИЕ АЛГОРИТМОВ ГРАДИЕНТНОГО БУСТИНГА ДЛЯ ДЕТЕКЦИИ ФИНАНСОВОГО МОШЕННИЧЕСТВА

Курташ Никита Сергеевич, Брютова София Даниловна, Молодяков Сергей Александрович

Рассматривается актуальная проблема автоматического выявления мошеннических транзакций в банковской сфере, осложнённая сильной несбалансированностью классов данных. Представлена эволюция методов бустинга от классического AdaBoost до современного XGBoost. На комбинированном датасете из 300 000 транзакций с 5% долей мошенничества проведён сравнительный анализ базовой и оптимизированной конфигураций модели. Оптимизация гиперпараметров выполнена с применением байесовского подхода (алгоритм TPE фреймворка Optuna). Результаты показали рост F1-score на 57,8% и Precision на 135,6%, что свидетельствует о значительном сокращении ложноположительных срабатываний. Выявлено доминирующее влияние глубины деревьев и скорости обучения на качество классификации. Продемонстрировано, что правильная настройка градиентного бустинга позволяет эффективно разделять классы без применения дополнительных методов балансировки данных.

Ключевые слова:машинное обучение, градиентный бустинг, AdaBoost, XGBoost, детекция мошенничества, несбалансированные данные, оптимизация гиперпараметров.