作者：安德烈·维特（Andre Veit） 领英（LinkedIn）： : 电子邮件： 信用卡欺诈检查 不平衡数据的分类和异常检测 关于本笔记本 欺诈并不是什么新鲜事物，事实上，据《您的钱》网站称，第一个欺诈记录发生在公元前300年。 如今，在互联网和数字化以惊人的速度增长的世界中，每天都通过网络实现数百万笔交易和其他操作。 这意味着欺诈者有很多机会。 幸运的是，相对而言很少。 不幸的是……这个事实使他们很难被抓住。 本笔记本的目的是探索几种处理异常检测和高度不平衡的数据集的方法。 概述： 数据探索与准备 无监督学习-异常检测 2.1。 隔离林2.2。 局部离群因子 监督学习-分类 3.1。 逻辑回归3.2。 随机森林3.3。 支持向量机 自动编码器-无监督和半监督学习 4.1。 无监督学习4.2。 半监督学习 数据集 该数据集来自Kaggle网站，可以通过以下链接找到：

react 前端 数据实时大屏

日月光华Tensorflow简明课程数据集credit-a.csv

训练的模型

该数据集为自行生成，自愿放弃所有权利，公开给大家实用。其中列名仿造实际系统中的名称，度量为模拟数据。现已取消积分限制，可随意获取

贝宝信用信息 一个消息组件，允许将 PayPal Credit Messages 轻松集成到您的站点。 开发文档 请参阅 发展 请随时按照为这个存储库做出贡献。 欢迎使用 PR，但对于重大更改，请先提出问题。 快速设置 设置你的环境： npm install 运行测试： npm test 在开发模式下运行： npm start 测试 功能性 要运行功能测试，首先在一个命令行实例中运行npm run dev:standalone并在第二个命令行实例中npm run test:func 。 dev:standalone命令创建运行功能测试的静态页面。 释放 这个包每周发布一次，每周三。 请更新以随时更新错误修复和新功能。

UCI Germny Credit 数值型数据集独立测试数据，按70%比例抽取，剩余30%独立测试。 UCI Germny Credit 数值型数据集独立测试数据.csv

利用机器学习技术进行信用卡交易欺诈检测 欺诈性信用卡交易的分类。

这是由美联储经济数据库 （FRED） 托管的美联储的数据集。FRED有一个数据平台，他们根据数据更新的频率更新他们的信息。 此数据集没有 FRED 的描述。 bank-credit-of-all-commercial-banks_metadata.json TOTBKCR.csv

kaggle Home_credit 信贷风控 train训练字段的Flink sql 预处理