0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

训练数据的质量决定了机器学习算法的上限

TigerGraph 来源:TigerGraph 作者:TigerGraph 2022-11-02 12:45 次阅读

如今,越来越多的企业正利用图分析来增强机器学习,今天的随身听我们就一起来聊聊图和机器学习。如果您正从事机器学习相关的工作,但对图分析却不太了解,那么您可以点击文末的“阅读原文”,下载完整的《原生并行图》白皮书,来增强您对图的了解,从而更好地利用图来增强机器学习。下面就一起来收听今天的TigerGraph 随身听吧。

我们就以欺诈侦查为例,从许多方面来说,欺诈侦查如同大海捞针。您必须整理并理解海量的数据,才能找到那根“针”,在本例中是指欺诈者。事实上,越来越多的组织利用机器学习及图技术来防止各种类型的欺诈,包括电话诈骗、信用卡退单、广告、洗钱等。

训练数据的质量决定了机器学习算法的上限

在进一步探讨机器学习与图技术这一强大组合的价值之前,我们先看一下当前基于机器学习的欺诈者识别是如何错失目标的。

为了侦查某一具体的情况,如从事诈骗的电话或涉嫌洗钱的付款交易,机器学习系统需要足够数量的欺诈电话或可能与洗钱相关的支付交易。下面我们以电话欺诈为例深入分析。

除可能属于欺诈的电话数量外,机器学习算法还需要与电话欺诈行为高度相关的特征或属性。

由于欺诈(与洗钱非常相似)在交易总量中所占的比重不到 0.01% 或万分之一,因此,存在确认欺诈活动的训练数据体量非常小。相应地,数量如此之少的训练数据将导致机器学习算法的准确度不佳。

选择与欺诈相关的一些特征或属性十分简单。就电话欺诈来说,这些特征或属性包括某些电话呼叫其他网内网外电话的历史记录、预付费 SIM 卡的卡龄、单向呼叫(即被呼叫方未回电)所占的百分比,以及被拒呼叫所占的百分比。同样,为了查找涉嫌洗钱的付款交易,需要为机器学习系统提供诸如付款交易的规模和频率等特征。

但是,由于依赖仅侧重于各个点的特征,导致误报率居高不下。例如,频繁进行单向呼叫的电话可能属于销售代表所有,他们需要致电潜在客户寻找销售线索或销售商品和服务。这种呼叫也可能涉嫌骚扰,是一方对另一方的恶作剧。大量的误报会造成浪费精力去调查非欺诈电话,最终降低对欺诈侦查机器学习解决方案的信心。

算法好不如数据多

在机器学习领域有一个很流行的说法:“算法好不如数据多”。很多机器学习就是因为缺乏充足的训练数据而失败的。简单来说,样本大小直接影响着预测的质量。与海量的交易相比(订单、付款、电话呼叫和计算机访问日志),诸如欺诈、洗钱或网络安全违规等异常检测事件的确认量很低。

很多大型客户使用 TigerGraph 来计算机器学习领域所谓的基于图的属性或特征。就中国移动来说,TigerGraph 为其 6 亿个号码分别生成 118 项新特征。这将创造超过 700 亿项新特征,用于将存在疑似欺诈活动的“坏号码”与其余属于普通用户的“好号码”区分开来。这将会有更多训练数据,供机器学习解决方案提高欺诈侦查的准确性。

为电话欺诈打造更好的“磁石”

很多现实生活中的示例不断证明着图技术和机器学习在打击欺诈方面的价值。目前,知名大型移动运营商正使用具备实时深度关联分析的新一代图数据库,解决现有机器学习算法训练方法的缺陷。该解决方案分析了 6 亿部手机的超过 150 亿通呼叫,最终为每个手机生成了 118 项特征。这些特征基于对通话记录的深度分析,范围不限于直接被呼叫方。

那么图数据库是如何识别“好”号码或“坏”号码呢?图数据库解决方案又是如何识别疑似欺诈的类型(例如,垃圾邮件广告、诈骗销售等),并且在被呼叫人的手机上显示警告消息?而且这一切全部都在手机接通之前完成。

13a6b774-5a67-11ed-a3b6-dac502259ad0.png

其实,简单来说,文中图1所示,拥有好号码的用户致电其他用户,大多数人都会回复他们的电话。这有助于指示用户之间的熟悉度或信任关系。好号码还会定期(比如,每天或每月)拨打一组其他号码,这一号码组在一段时间内非常稳定(“稳定组”)。

表示好号码行为的另一个特征是,当呼叫已经入网数月或数年的号码时得到回电。我们还看到,在好号码、长期联系号码及网内与二者频繁联系的其他号码之间有着大量呼叫。这表明我们的好号码具有很多组内关联。

最后,“好号码”通常会参与三步式朋友关联,意思是我们的好号码会呼叫另一号码,即号码 2,后者将呼叫号码 3。好号码还会通过直接呼叫与号码 3 联系。这表示一种三步式朋友关联,形成信任和相互关联性圆环。

通过分析号码之间的这类呼叫模式,我们的图解决方案可以轻松识别坏号码,即可能涉嫌诈骗的号码。这些号码会短暂呼叫多个好号码,但不会收到回电。此外,它们也没有定期呼叫的稳定号码组(即“空稳定组”)。当坏号码呼叫长期网内用户时,对方不会回电。坏号码的很多呼叫还会被拒绝,而且缺乏三步式朋友关系。

图数据库平台利用超过 100 项图特征(如稳定组),它们与我们使用案例中的 6 亿移动号码各自的好坏号码行为高度相关。相应地,它可以生成 700 亿项新的训练数据特征,供机器学习算法使用。最终提高了欺诈侦查机器学习的准确率,同时减少误报(即非欺诈号码被标记为潜在欺诈者号码)和漏报(即未标记出参与欺诈的号码)。

为了了解基于图的特征如何提高机器学习的准确率,我们来看一个示例(下图2),其中使用了以下四位移动用户的侧写:Tim、Sarah、Fred 和 John。

13cf180e-5a67-11ed-a3b6-dac502259ad0.png

按照传统的通话记录特征,如 SIM 卡龄、单向呼叫的百分比以及被拒绝的呼叫总量百分比),四人中的三人(Tim、Fred 和 John)将被标记为疑似或潜在欺诈者,因为从这些特征来看,他们非常相似。经过分析基于图的特征,以及号码和用户之间的深度关联或多步关系,最终帮助机器学习将 Tim 归类为爱恶作剧者、John 为销售人员,而 Fred 则被标记为疑似欺诈者。我们来思考一下这个过程。

就 Tim 来说,他有一个“稳定组”,这意味着他不太可能是销售人员,因为销售人员每周都会拨打不同的电话号码。Tim 没有很多组内关联,这意味着他可能经常给陌生人打电话。他也没有任何三步式朋友关联,用于确认他所呼叫的陌生人不存在关联。根据这些特征判断,Tim 很可能是爱恶作剧者。

我们来看一下 John 的情况,他没有稳定组,这意味着他每天都通过电话寻找新的潜在销售线索。他会给具有很多组内关联的人打电话。当 John 介绍产品或服务时,如果接听方对它们感兴趣或认为与自己相关,则其中一些人很可能会将 John 介绍给其他联系人。John 还通过三步式朋友关系与他人产生关联,这表明他作为优秀的销售人员将整个环链闭合,通过在同一组内第一次联系的人的朋友或同事当中遴选,找到最终的买家来购买他的产品或服务。依据这些特征的组合,最终将 John 归类为销售人员。

就 Fred 来说,他既没有稳定组,也不与具有很多组内关联的群体交流。此外,他与所呼叫的人之间也没有三步式朋友关系。这使得他非常容易成为电话诈骗或欺诈的调查对象。

回到我们最初海底捞针的比喻,在本例中,我们可以利用图分析改善机器学习,进而提高准确率,最终找到那根“针”,即潜在的欺诈者 Fred。为此,需要使用图数据库框架对数据进行建模,以便能够识别和考虑更多特征,用于进一步分析我们的海量数据。相应地,计算机将利用越来越准确的数据进行训练,使自己不断变得聪明,更加成功地识别潜在的诈骗分子和欺诈者。

如果您正从事机器学习相关的工作,希望利用图分析来增强机器学习,别忘了点击文末的“阅读原文”,下载完整的《原生并行图》白皮书,来增强您对图的了解,从而更好地将图应用到您的工作中。

另外,您也可以下载使用TigerGraph 机器学习工作台(ML Workbench),这是一个基于Jupyter的Python开发框架,可以使数据科学家,人工智能和机器学习的从业者更容易、也更熟悉地使用图分析,而无需学习很多新的数据处理方式。比如数据科学家可以使用TigerGraph 机器学习工作台(ML Workbench),更快速地构建图神经网络 (GNN) 模型,轻松探索图神经网络(GNN)。它提供了 Python 级别强大而高效的数据管道,将数据从 TigerGraph 流式传输到用户的机器学习系统,执行常见的数据处理任务,例如对图数据集的训练、验证和测试,以及各种子图采样方法。详细信息,可以点击文中链接查看往期的TigerGraph 随身听(Vol.23 TigerGraph机器学习工作台)。

以上就是我们今天的随身听内容,如果您对于我们讨论的应用场景,有任何问题,或者希望和我们进行更有针对性的深度探讨,欢迎通过文中的联系方式和我们联系。

审核编辑 :李倩

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 算法
    +关注

    关注

    23

    文章

    4599

    浏览量

    92642
  • 机器学习
    +关注

    关注

    66

    文章

    8377

    浏览量

    132407

原文标题:Vol.33 图和机器学习,为电话欺诈检测打造更好的“磁石”

文章出处:【微信号:TigerGraph,微信公众号:TigerGraph】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    NPU与机器学习算法的关系

    在人工智能领域,机器学习算法是实现智能系统的核心。随着数据量的激增和算法复杂度的提升,对计算资源的需求也在不断增长。NPU作为一种专门为深度
    的头像 发表于 11-15 09:19 306次阅读

    pycharm如何训练机器学习模型

    PyCharm是一个流行的Python集成开发环境(IDE),它提供丰富的功能,包括代码编辑、调试、测试等。在本文中,我们将介绍如何在PyCharm中训练机器学习模型。 一、安装Py
    的头像 发表于 07-11 10:14 691次阅读

    训练和迁移学习的区别和联系

    训练和迁移学习是深度学习机器学习领域中的两个重要概念,它们在提高模型性能、减少训练时间和降低
    的头像 发表于 07-11 10:12 839次阅读

    机器学习中的数据分割方法

    机器学习中,数据分割是一项至关重要的任务,它直接影响到模型的训练效果、泛化能力以及最终的性能评估。本文将从多个方面详细探讨机器
    的头像 发表于 07-10 16:10 1300次阅读

    如何理解机器学习中的训练集、验证集和测试集

    理解机器学习中的训练集、验证集和测试集,是掌握机器学习核心概念和流程的重要一步。这三者不仅构成了模型学习
    的头像 发表于 07-10 15:45 3201次阅读

    神经网络如何用无监督算法训练

    标记数据的处理尤为有效,能够充分利用互联网上的海量数据资源。以下将详细探讨神经网络如何用无监督算法进行训练,包括常见的无监督学习
    的头像 发表于 07-09 18:06 699次阅读

    机器学习中的数据预处理与特征工程

    机器学习的整个流程中,数据预处理与特征工程是两个至关重要的步骤。它们直接决定模型的输入质量
    的头像 发表于 07-09 15:57 299次阅读

    机器学习算法原理详解

    机器学习作为人工智能的一个重要分支,其目标是通过让计算机自动从数据学习并改进其性能,而无需进行明确的编程。本文将深入解读几种常见的机器
    的头像 发表于 07-02 11:25 762次阅读

    机器学习数据分析中的应用

    随着大数据时代的到来,数据量的爆炸性增长对数据分析提出了更高的要求。机器学习作为一种强大的工具,通过训练
    的头像 发表于 07-02 11:22 544次阅读

    深度学习模型训练过程详解

    深度学习模型训练是一个复杂且关键的过程,它涉及大量的数据、计算资源和精心设计的算法训练一个深度学习
    的头像 发表于 07-01 16:13 1089次阅读

    机器学习的经典算法与应用

    关于数据机器学习就是喂入算法数据,让算法数据中寻找一种相应的关系。Iris鸢尾花
    的头像 发表于 06-27 08:27 1574次阅读
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>的经典<b class='flag-5'>算法</b>与应用

    【大语言模型:原理与工程实践】大语言模型的预训练

    大语言模型的核心特点在于其庞大的参数量,这赋予模型强大的学习容量,使其无需依赖微调即可适应各种下游任务,而更倾向于培养通用的处理能力。然而,随着学习容量的增加,对预训练
    发表于 05-07 17:10

    基于机器视觉和深度学习的焊接质量检测系统

    的一致性和准确性。   机器视觉技术为焊接质量检测提供高分辨率的图像数据。通过搭载高速、高分辨率相机,系统能够实时捕捉焊接过程中的细节,包括焊缝的形状、尺寸和表面特征等。这些图像
    的头像 发表于 01-18 17:50 740次阅读

    如何使用Python进行图像识别的自动学习自动训练

    如何使用Python进行图像识别的自动学习自动训练? 使用Python进行图像识别的自动学习和自动训练需要掌握一些重要的概念和技术。在本文中,我们将介绍如何使用Python中的一些常用
    的头像 发表于 01-12 16:06 537次阅读

    深度学习如何训练出好的模型

    算法工程、数据派THU深度学习在近年来得到了广泛的应用,从图像识别、语音识别到自然语言处理等领域都有卓越的表现。但是,要训练出一个高效准确
    的头像 发表于 12-07 12:38 1057次阅读
    深度<b class='flag-5'>学习</b>如何<b class='flag-5'>训练</b>出好的模型