融合多源异构数据的ICO欺诈预测与可解释分析模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：为了解决首次代币发行（ICO）欺诈检测研究中存在的特征建模单一、模型缺乏可解释性等问题，提出一种融合多源异构数据的ICO欺诈预测和可解释分析模型IICOFP。首先，融合ICO项目基本信息、评级分数、社交媒体等多源异构数据，通过Lasso特征选择和Tomek-Link欠采样更有效地实现对ICO的特征建模；其次，基于GBDT算法训练ICO欺诈预测模型，并引入SHAP框架从多个角度分析欺诈型ICO的影响因素，有力增强模型的可解释性。（剩余22165字）

试读结束

目录
monitor