使用机器学习的信用卡欺诈检测
信用卡欺诈是一个日益严重的问题，面临许多挑战，包括时间漂移和严重的阶级失衡。 该项目尝试使用包括自适应合成采样方法（ADASYN）和合成少数采样率（SMOTE）在内的最新技术来解决班级不平衡问题。 2013年9月在欧洲进行的超过280k真实交易[1]被用作训练数据集。 比较了三种类型的机器学习模型：随机森林，支持向量机和多层感知器。 结果表明，不平衡数据集的最佳采样方法取决于数据集和所使用的模型。
该项目包含以下组件：
a）PDF格式的IEEE风格论文
b）Jupyter Notebook进行了机器学习测试。 您可以运行视图并自己运行它们。 还包括注释，推理和数字。 为了方便起见，我在此git repo中包含了原始数据集的副本[1]，但是请参考原始资源以获取最新版本。
该项目是2017年冬季在滑铁卢大学进行的SYDE 522：机器学习的一部分。
安装
克隆项目：
$ git clone https://github.com/yazanobeidi/fraud-detection.git && cd fraud-detection
Pip安装依赖项
2021-06-20 21:58:01
69.56MB
1
开源的数据集-信用卡欺诈检测数据集
https://www.kaggle.com/mlg-ulb/creditcardfraud
kaggle 免费下载的东西为什么要积分要c币？
2021-05-31 16:35:13
63.29MB
1
某银行为提升信用卡反欺诈检测能力，提供了脱敏后的一份个人交易记录。考虑数据本身的隐私性，数据提供之初已经进行了类似PCA的处理，并得到了若干数据特征。在不需要做额外特征提取工作的情况下，本项目意在通过逻辑回归模型的调优，得到较为准确可靠的反欺诈检测方法，分析过程中使用到了Python Pandas, Numpy, Matplotlib, Seaborn以及机器学习库Scikit-Learn等。
数据链接：
链接:https://pan.baidu.com/s/11uT0CHYPenX_67qTdr-Tjg
密码:b9xo
完整代码实现如下：
下采样完整代码：
import pandas as
2021-04-06 16:32:31
76KB
1