超级会员免费看
本文介绍了利用机器学习对信用卡交易数据进行欺诈检测的项目。数据集包含约28万笔交易，其中0.172%为欺诈交易。项目目标是构建反欺诈模型，通过PCA处理后的特征进行分析。文章讲解了matplotlib的图像输出，如散点图、柱状图等，并展示了数据统计分析、预处理、模型评估和混淆矩阵构建的过程。
机器学习项目实战（2）-信用卡交易数据欺诈检测
文章目录
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
订阅专栏 解锁全文
扫一扫
1230
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
