【机器学习】决策树原理、调参、可视化 + 银行信用卡欺诈检测案例（含数据集）

已于 2022-09-28 16:24:27 修改
阅读量2.3k 收藏 43
点赞数 3
分类专栏： 机器学习 文章标签： 机器学习 决策树 算法 人工智能 分类
于 2022-08-30 21:52:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51933492/article/details/126556140
版权

目录

决策分类树

2.1 ID3算法（信息增益）

2.2 C4.5 算法（信息增益率）

2.3 CART算法（Gini系数）

 CART构造决策树实例

决策树的剪枝

sklearn实现决策树

决策树的调参 

银行借贷欺诈检测案例

 训练模型

 调优及可视化

决策分类树

2.1 ID3算法（信息增益）

ID3是决策树学习算法中最具有影响和最为典型的算法，它的基本思想是，利用信息熵的原理，选择信息增益最大的属性作为分类属性。

ID3算法在分类时选择信息熵下降最快的类别作为分类依据

 entropy(P_{i}) =- \sum_{i = 1}^{n}P_{i}log_{2}P_{i}

 

2.2 C4.5 算法（信息增益率）

C4.5算法是ID3算法的拓展，它继承了ID3算法的优点并对ID3算法进行了改进和补充。

C4.5算法采用信息增益率作为选择分支属性的标准，克服了ID3算法中信息增益选择属性时偏向选择取值多的属性的不足

  • 能够处理连续型的属性，将连续性属性离散化，将连续性属性的值分为不同区间，依据是比较各个分裂点Gian值的大小
  • 简单的忽略缺失数据，即在计算增益时，仅考虑具有属性值的记录

 

2.3 CART算法（Gini系数）

基尼指数代表了模型的不纯度，基尼系数越小，不纯度越低，特征越好。这和信息增益（率）正好相反。

基尼指数反映了从数据集中随机抽取两个样本，其类别标记不一致的概率。因此基尼指数越小，则数据集纯度越高。基尼指数偏向于特征值较多的特征，类似信息增益。基尼指数可以用来度量任何不均匀分布，是介于 0~1 之间的数，0 是完全相等，1 是完全不相等。


Gini = 1-\sum_{i = 1}^{n}[P_{(i)}]^{2} = \sum_{i = 1}^{n}P_{i}(1-P_{i})

 CART算法处理分类问题时，以叶子节点上样本投票预测类别，处理回归问题时，以叶子节点的样本均值作为预测值

最低0.47元/天 解锁文章
—Xi—
关注
专栏目录
基于决策树的贷款审批模型
zhaocen_1230的博客
10-24 8574
基于决策树的贷款审批模型 一、背景描述 银行信贷业务是银行最基本、最重要的资产业务，通过发放银行贷款收回本金和利息，扣除成本后获得利润。银行为了获得更大的利润，对每一位顾客的信息进行分类，然后针对不同的顾客采用不同的方案。 银行每天要收到大量贷款申请，其中夹杂着大量不具备贷款资格的申请，为缓解审批人员的工作量，可以根据申请人资料，制定一个模型自动过滤高拖欠贷款概率的资格申请表。 二、数据分...
creditcard：信用卡欺诈检测数据集-数据集
03-27
creditcard ：https://www.kaggle.com/mlg-ulb/creditcardfraud#creditcard.csv
Credit Card Fraud Detection（信用卡欺诈检测数据集）
最新发布
不务正业的猿
08-15 947
遗憾的是，由于保密问题，我们无法提供原始特征和有关数据的更多背景信息。特征 V1、V2、…Bontempi，Gianluca。Scarff：使用 Spark 进行流式信用卡欺诈检测的可扩展框架，信息融合，41，182-194，2018，Elsevier。信用卡欺诈检测：一种现实的建模和一种新颖的学习策略，IEEE 神经网络和学习系统交易，29，8，3784-3797，2018，IEEE。从实践者的角度学习信用卡欺诈检测的经验教训，应用专家系统，41，10，4915-4928，2014，Pergamon。
信用卡欺诈检测数据集.zip
04-07
开源的数据集-信用卡欺诈检测数据集 https://www.kaggle.com/mlg-ulb/creditcardfraud kaggle 免费下载的东西为什么要积分要c币？
案例实战信用卡欺诈检测数据集
06-13
“人工智能学习笔记——案例实战信用卡欺诈检测”博客中的数据集
信用卡欺诈数据数据集
07-07
欧洲的信用卡持卡人在2013年9月2天时间里的284807笔交易数据，其中有492笔交易是欺诈交易，占比0.172%。数据采用PCA变换映射为V1，V2，...，V28 数值型属性，只有交易时间和金额这两个变量没有经过PCA变换。输出变量为二值变量，1为正常，0为欺诈交易。
Credit Card Fraud Detection信用卡欺诈数据集-数据集
03-30
Credit Card Fraud Detection信用卡欺诈数据集-数据集
Python机器学习-信用卡交易的欺诈检测（有数据集） 逻辑回归、KNN、决策树、SVM
02-02
Python机器学习-信用卡交易的欺诈检测（有数据集） 一：导入数据 二：检查空值、描述性统计 三：信用卡欺诈和不欺诈类别的比例 四：查看数据分布，不平衡数据可视化，通过查看分布，我们可以了解这些特征的偏斜程度 ...
机器学习基于python的信用卡欺诈案例报告
03-01
针对这一议题，报告选择了五个常见的机器学习模型，包括决策树、K-近邻、逻辑回归、支持向量机和随机森林，以及XGBoost，对信用卡欺诈数据集进行训练和评估。目标是为初学者和中级学者提供一个可复现的案例，同时也...
机器学习大作业——实现C4.5决策树并可视化.zip
04-16
金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从...
信用卡欺诈检测数据集
12-12
信用卡欺诈检测数据集
kaggle信用卡欺诈数据
02-12
来自kaggle上的信用卡欺诈比赛（现在好像没有了，无法从kaggle下载）的脱敏后的信用卡欺诈数据，共284807条（143MB），其中492条欺诈样本，比例为0.17%，特征通过PCA转换之后失去了实际的特征意义
大数据分析案例-基于决策树算法构建信用卡违约预测模型
m0_64336780的博客
04-12 6672
本项目旨在使用机器学习等算法构建信用卡违约预测模型，主要应用在金融相关领域，根据用户以往的行为数据来预测是否会违约，有利于商业银行防范和化解信用卡风险,完善信用卡违约风险管理工作。本次实验通过探索性分析以及使用决策树构建信用卡违约模型，得出以下结论：1.可透支金额主要集中在0~200000之间。2.性别对于可透支金额的影响较小。3.受教育程度和婚姻状况对可透支金额的影响较大。4.决策树模型的准确率为0.88，模型效果还有待提高。
Credit Card Fraud Detection（信用卡欺诈检测相关数据集）
不务正业的猿
10-14 3284
原文： Credit Card Fraud Detection Anonymized credit card transactions labeled as fraudulent or genuine. It is important that credit card companies are able to recognize fraudulent credit card transactions so that customers are not charged for items that t
【机器学习】6.3.SVM 信用卡欺诈数据集
LouHerGetUp的博客
12-09 720
【代码】【机器学习】6.3.SVM 信用卡欺诈数据集。
为欺诈检测提供快速图形可视化
linjingyg的博客
02-07 291
　　或为什么我们建立自己的图形数据库 　　弗朗西斯科·桑托斯和索非亚·戈麦斯 　　欺诈是一个复杂的话题。它具有多种形状，并且随着时间不断发展。虽然最先进的模型可以在几毫秒内轻松捕获最常见的欺诈模式，但是最复杂的欺诈和反洗钱（AML）方案涉及许多相互交织的攻击和当事方，并且需要补充工具来防御我们的客户。 　　 　　Genome是Feedzai堆栈上可用的此类工具之一。Feedzai Genome是一项创新的新产品，可帮助欺诈分析人员和调查人员使用链接分析来发现和可视化复杂的金融犯罪模式。 　　我
"基于Python的信用卡欺诈检测与比较分析：5种机器学习模型的应用与评估
通过目前信用卡欺诈的问题，本报告使用了机器学习中的五种模型（决策树，K-近邻，逻辑回归，支持向量机，随机森林，XGBoost）对欺诈数据集进行检测，并对这五种模型进行了评估比较分析。报告详细解释了每个模型的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值