基于XGBoost的在线支付欺诈检测系统：从数据不平衡到生产部署

本文介绍一个端到端的在线支付欺诈检测项目，核心使用XGBoost算法，针对金融数据极度不平衡问题采用SMOTE过采样与scale_pos_weight参数调优，优化召回率，并通过Streamlit实现生产部署，形成从数据处理到模型应用的完整闭环，为金融风控提供实用解决方案。

数字支付普及下，欺诈检测是金融机构核心风控能力，但面临类别不平衡难题（欺诈交易占比往往低于1%）。若仅追求整体准确率，模型易倾向预测所有交易为正常，失去实际价值。因此，项目聚焦召回率，优先确保不漏掉欺诈交易，即使接受更高误报率。

针对数据不平衡，项目采用双重策略：

1. SMOTE过采样：生成合成欺诈样本平衡训练数据，避免简单复制导致的过拟合；
2. scale_pos_weight参数：调整XGBoost正负样本权重，无需修改原始数据，灵活高效。 特征工程方面，基于业务逻辑设计：账户余额变化、交易金额偏离历史、交易频率时间分布、收款方行为模式等。关键洞察：欺诈检测依赖行为模式，而非单纯交易金额（小额频繁交易可能更具风险）。

项目对比逻辑回归（基线，可解释性强）、随机森林（集成稳定，利于特征分析）、XGBoost（最终选择，梯度提升框架，支持自定义损失与权重调整）三种算法。优化策略包括：

• 阈值调优：分析精确率-召回率曲线选择最优阈值，倾向降低阈值提升召回率；
• 评估指标：重点关注召回率（识别欺诈比例）、精确率（预测欺诈中真实比例）、F1分数（综合指标）。

最终XGBoost模型测试集表现：

指标	数值	解读
召回率	~0.68	识别68%欺诈交易
精确率	~0.24	预测欺诈中24%为真实
F1分数	~0.35	综合性能
业务价值：拦截大部分欺诈交易，误报虽高但人工审核成本低于欺诈损失，可作为第一层筛选送人工复核。

项目通过Streamlit构建Web应用，功能包括单笔交易实时预测、欺诈概率可视化、批量数据上传预测。Streamlit优势：纯Python开发，无需前端经验，效率高。部署方案：已上线Streamlit Community Cloud（适合原型演示、轻量生产）；企业级可考虑Docker容器化、Kubernetes集群或与现有风控系统集成。

经验总结：1. 业务理解优先（定义优化目标、平衡自动化与人工审核比调参更重要）；2. 不平衡数据需灵活组合SMOTE、权重调整、阈值调优等策略；3. 需完成模型持久化、特征管道封装、Web部署等生产化环节。 改进方向：提升召回率（集成学习/深度学习）、加强实时特征工程、增加模型解释性（SHAP/LIME）、支持在线学习适应欺诈模式演变。