Главная – Журналы – Вестник НГУЭУ 2026 номер 2

Исследуется эффективность одиночных и ансамблевых классификаторов для обнаружения финансового мошенничества по данным о переводах денежных средств со счета на счет. Рассмотрены рекуррентная нейронная сеть, сверточная нейронная сеть, автоэнкодер, а также ансамблевые методы Random Forest, XGBoost и стекинг; для нейросетевых моделей дополнительно применено простое голосование. Эксперименты проведены с использованием крупного реального размеченного датасета с записями о транзакциях. Точность классификации оценивалась по метрикам Precision, Recall, F1-мера и ROC-AUC. Производительность оценивалась по времени обучения, времени классификации, использованию памяти и средней загрузке процессора. Результаты экспериментального исследования продемонстрировали, что наилучшая точность достигается при ассемблировании методом стекинга, который, однако, является наиболее ресурсоемким. При этом точность более производительных бустинга и бэггинга несколько ниже, но сопоставима со стекингом.