2024 年第三届全国大学生数据统计与分析竞赛题目 B：电信银行卡诈骗的数据分析 详细思路+运行结果+python代码+远程部署

订阅专栏获取完整思路代码：2024 年第三届全国大学生数据统计与分析竞赛题目 B：电信银行卡诈骗的数据分析 详细思路+运行结果+python代码+远程部署-CSDN博客

问题一：请绘制附件中“有无发生电信银行卡诈骗”比例的扇形图，并绘制 发生电信银行卡诈骗的案例中，“线上”和“线下”发生电信诈骗数量的柱状图。

1. 统计电信银行卡诈骗比例：首先，您需要统计出整个数据集中有多少比例的交易被标记为诈骗（Fraud=1）和没有被标记为诈骗的（Fraud=0）。

2. 统计线上与线下诈骗数量：接着，仅在标记为诈骗的交易中，分别统计线上（Online=1）和线下（Online=0）发生的诈骗数量。

绘图说明：

• 绘制扇形图：使用电信银行卡诈骗比例数据，绘制一个扇形图，以直观地展示诈骗与非诈骗交易的比例。您可以使用Excel、Python的Matplotlib库中的pie()函数等工具来完成这个绘图任务。

• 绘制柱状图：使用线上与线下诈骗数量的数据，绘制一个柱状图，对比线上和线下诈骗的数量。可以使用Excel、Python的Matplotlib库中的bar()函数等工具来制作柱状图。

以您提供的数据为例（虽然只有一条被标记为诈骗，不能代表整体情况），进行以下假设性统计：

• 有无发生电信银行卡诈骗比例：在这5条数据中，4条未发生诈骗（Fraud=0），1条发生诈骗（Fraud=1）。
• 线上线下诈骗数量：在标记为诈骗的1条数据中，1条为线上交易（Online=1）。

问题二：请通过数据分析发生电信诈骗的案例中，“是否使用银行卡在设备 上进行转账交易”和“是否使用银行卡的 pin 号码进行转账交易”的指标，判断 哪种情况更容易发生电信诈骗？使用银行卡的pin 号码是否可以减少被骗概率？

通过对比‘Card’（表示是否使用银行卡在设备上进行转账交易，1表示使用，0表示未使用）和‘Pin’（表示是否使用银行卡的PIN号码进行转账交易，1表示使用，0表示未使用）的值来分析哪种情况更容易发生电信诈骗，并且看使用PIN号码是否可以显著减少被骗的概率。

问题三：请分析所有发生电信诈骗的案例中，哪些指标与是否发生电信诈骗 有较强的相关性？“银行卡转账交易是否发生在同一银行”和“是否是线上的银 行卡转账交易”是否与电信银行卡诈骗有显著的关联性？

问题四：请分析附件中所有的指标数据，选取合适的指标，建立“电信银行 卡诈骗的预测模型”，并选取合适的训练集和测试集，计算预测模型的准确率。 为了降低电信诈骗的概率，保护人们的财产安全，请基于你们团队数据分析的结 果，分别给公安部门、银行和市民们提出你们的建议。

数据预处理

首先，你需要进行数据清洗和预处理。这可能包括处理缺失值、异常值和数据标准化或归一化。

特征选择

基于问题三的分析，你可以从数据中选择与电信诈骗强相关的指标。例如，如果发现Online, Repeat, Card, 和 Pin 与电信诈骗具有较高的相关性，你可以将它们作为模型的特征。

模型训练

使用如逻辑回归、随机森林或梯度提升树等算法，以选定的特征训练模型。你需要将数据集分为训练集和测试集。