互联网金融的发展为传统金融行业风险控制开拓了新思路,结合大数据的机器学习算法也开始广泛地运用在反欺诈识别上。本文的主要工作是使用有监督学习进行反欺诈研究,使用了多种组合方法组合了 Logistic回归与XGBoost两个模型,并取得了不错的融合效果。数据集的选择上,本文使用了 Lending Club公司提供的含有150个贷款业务的2020年个人信贷业务数据集进行研究。首先对数据集进行了数据预处理。在数据特征选择上,使用过滤式和封装式方法选择了 13个相关变量入模。鉴于欺诈行为的稀有性、危害性,数据集分布往往存在类不平衡现象。本文中欺诈样本只占据百分之一的数据量。对此本文采取过采样方法,并使用SMOTE过采样和基于马氏距离的MAHAKIL过采样两种方法,对数据集中欺诈样本进行过采样,进而达到平衡数据集的效果,同时设置无过采样组作为对照组。本文在模型选取上,使用了经典的Logistic回归模型,以及XGBoost模型进行学习。MAHAKIL过采样在两个模型的学习中都取得了不错的成绩,尤其是在XGBoost模型中,MAHAKIL过采样大幅度提高了 AUC值。因此本文在MAHAKIL过采样下融合两个模型,分别尝试了异态并行结构和异态串行结构融合,在异态串行结构中,又尝试了自动化特征提取和多层训练两种融合方式。在AUC值、KS值、召回率、加权平均F1-score四个指标上,Logistic回归-XGBoost并行模型在前三个指标的得分都高于单个模型,且在KS曲线上,高于0.4的波段显著长于单个模型。由此本文得出结论是在Lending Club数据集上,Logistic回归-XGBoost模型的并行融合取得了较好的反欺诈识别效果。