基于LightGBM的区块链异常交易检测技术研究

摘要

传统的机器学习模型在处理小样本数据集时容易出现过拟合的情况.为解决此类问题并保证模型验证准确性,提出了基于LightGBM(LGBM)的区块链异常交易检测方法,利用网格搜索对模型参数进行优化,防止模型陷入过拟合状态,提高模型适应能力.LightGBM模型的AUC最佳取值为0.994,平均准确率为0.970.为验证异常检测算法的有效性,与随机森林、XGBoost模型进行对比实验,实验表明,该方法具有更高的准确率和训练效率.