信用卡欺诈检测

信用卡欺诈检测逻辑回归算法是基于python 3.7.0、numpy 1.16.2、pandas 0.24.1、scikit-learn 0.20.3版本实现的。
**总结：**基于逻辑回归算法的信用卡欺诈检测的主要步骤为：①从数据集中导入数据，并对样本数据进行分析和预处理（过、下采样，增、删特征等），使得各类标签所对应的样本数量相等，避免因数量相差过大导致训练模型泛化能弱的问题；②将预处理得到的数据分为训练集和测试集；③将训练集中的数据分为K折，每次利用K-1折数据进行训练，另1个用来评估模型，并计算出召回率，总共进行K次，将K次的召回率求平均值，即为该参数下模型的召回率，根据召回率选取最优参数；④根据确定的参数值，对下采样中的整体训练集进行训练，产生最终的模型；⑤利用该模型对下采样中的测试集数据进行预测，得到预测值；⑥利用混淆矩阵，将预测值与测试集对应的标签进行统计，并进行可视化输出。

step 1.导入第三方库：

step 2.读取样本.csv中的数据，了解数据的整体分步

行5：按照"Class"列统计每种标记的数量,返回一个Series
行6：输出Class列的条形图

step 3.对数据进行预处理
#不均衡样本处理办法：下采样，过采样
#下采样：使得两个样本同样少
#过采样：使得两个样本同样多

行15：导入标准化模块
行16：对数据中与其他特征数据相差较大的数据(“Amout"标准化后生成“normAmount”特征)进行标准化处理
#StandardScaler().fit_transform()对样本的"Amount"列进行标准化,防止在机器学习的过程中因数值相差过大对结果产生误导
行17：删除数据中的无关特征(“Time”,“Amount”)
行28：随机抽取与"Class”==1的样本数相等的"Class"==0的样本索引
行31：将"Class"==1与"Class"==0的样本进行拼接

行45：导入数据集分割模块
行48：对原始数据进行分割
行54：对处理后的下采样数据进行分割

step 4.模型评估方法&&导入相应的库


行72：对数据集K折分割函数进行初始化
行82：对训练集数据进行分割，返回K折交叉验证的训练集和测试集索引
行84：建立模型，penalty表示正则化,默认为l2正则化
行85：函数fit(X,y,sample_weight=None) 根据给定的训练数据拟合模型，【X:shape为(n_samples,n_features)的训练矢量; y:相对于X的shape为(n_samples,)的目标向量;sample_weight:分配给每个样本的权重,shape为(n_samples,)】，模型的权重向量和常数项可通过 .coef_ ， .intercept_ 来输出
行86：predict(X) 预测X中样本的类标签，对K折交叉验证中的数据集进行评估
行88：模型评估方法(召回率):recall_score(y_true, y_pred, labels=None, pos_label=1, average=‘binary’, sample_weight=None)
行92：iloc，即index locate 用index索引进行定位，所以参数是整型； loc，则可以使用column名和index名进行定位
行92：numpy.mean(a, axis, dtype, out，keepdims )：axis默认值,对mn个数求均值,返回一个实数;axis=0:对各列求均值,返回1n矩阵;axis=1:对各行求均值,返回m*1矩阵
行99：注意:使用idmax()函数时,应用astype()方法将数据类型进行转换

step 5.产生最优的最优的正则化惩罚项&&定义混淆矩阵函数

行103：利用数据预处理中下采样数据中的训练数据得到的最优正则惩罚项

step 6.利用下采样数据中的训练集数据重新训练数据，并用下采样数据中的测试集数据对模型进行评估

行128：下采样数据训练集训练模型
行129：模型对下采样数据测试集进行预测
行131：计算混淆矩阵以评估分类的准确性，函数confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)相当于统计【sample_weight:样本权重】

other 1.使用逻辑回归返回的概率进行预测

other 2.对原数据集直接建模

other 3.数据预处理（过采样）