信用卡欺诈检测
使用Logstic Regression对信用卡欺诈检测进行分类
步骤以及一些需要注意的点
特征工程
样本不均衡问题的解决（降采样以及过采样两种方式）
下采样策略
交叉验证（充分利用数据，使模型可以说服力）
模型评估方法（分类准确率，精确率，召回率，F1值）
正则化惩罚（防止模型过拟合，日期L2正则化）
逻辑回归阈值对结果的影响（通过重复矩阵的可视化以及召回率来体现）
过采样策略（SMOTE算法）
如何运行？
信用卡数据集为“ creditcard.csv”，地址为： ://myblogs-photos-1256941622.cos.ap-chengdu.myqcloud
2022-07-02 09:33:57
5KB
1
信用卡_欺诈检测
快速分析信用卡数据集
链接到数据： :
该项目是对从kaggle下载的信用卡数据的分析。 该项目的主要目标是创建一个有效的分类器，以区分欺诈性操作和常规操作。 实际数据库高度不平衡，包括30个功能变量和1个目标变量。 其中28个要素变量是匿名的。
该项目包含3本书：
data_explo用于探索和一些可视化
用于模型创建的MLdetection：已选择3个模型-Logistic回归，Random Forest和SVM（在第一个版本中）
检查分类器决策中影响最大的变量的可解释性
2022-04-14 15:36:21
3.6MB
1
https://www.kaggle.com/c/loan-default-prediction
2021-09-22 18:18:45
183.41MB
1
creditcard ：https://www.kaggle.com/mlg-ulb/creditcardfraud#creditcard.csv
2021-09-09 09:13:40
65.61MB
1
内含竞赛数据集creditcard.csv，简单处理imbalaced问题，采用逻辑回归算法，用度量标准进行评价。
·Jupyter notebook
2021-05-31 16:33:37
65.69MB
1
train.csv+UNRATE.csv+LogiReg_data.txt+creditcard.csv+fandango_score_comparison.csv+big.txt
2020-01-05 00:27:07
63.37MB
1