机器学习项目实战（2）-信用卡交易数据欺诈检测

机器学习项目实战（2）-信用卡交易数据欺诈检测

项目背景：

数据集包含由欧洲人于2013年9月使用信用卡进行交易的数据。此数据集显示两天内发生的交易，其中284807笔交易中有492笔被盗刷。数据集非常不平衡，正例（被盗刷）占所有交易的0.172％。

项目目的

利用信用卡历史数据进行机器建模，构建反欺诈模型，预测新的信用卡被盗刷的可能性。

数据介绍

本任务，主要使用的数据为creditcard.csv
文件位置：/home/jovyan/pythonproject_data2/creditcard.csv。

数据有284807条数据。

特征V1，V2，… V28是使用PCA获得的主要组件，没有用PCA转换的唯一特征是“Class”和“Amount”。

• 特征’Time’包含数据集中每个刷卡时间和第一次刷卡时间之间经过的秒数。
• 特征’Class’是响应变量，如果发生被盗刷，则取值1，否则为0。

由于原数据进行了PCA降维操作，同时也对每个列字段名进行了保密，因此在分析过程中不需可以强调每一列的含义。同时数据经过了一系列的数据预处理操作，使得数据比较干净、整洁。

class为0是正常的行为，为1是欺诈行为。

• Time特征：