Evaluating Transfer Learning Methods on Real-World Data Streams: A Case Study in Financial Fraud Detection
创建于 更新于
摘要
本报告提出了一种针对实际动态数据流环境下迁移学习方法评估的框架，能够模拟数据及标签逐步到达、产生多域及域间变换等情形。通过对真实金融诈骗检测及公开银行欺诈数据的案例研究，揭示不同迁移学习方法在数据可用性变化下的性能趋势，并对模型部署提供实务指导 [page::0][page::1][page::4][page::10][page::12][page::14]
