信用卡欺诈预测——模型调优

一、背景介绍

这个数据来自欧洲信用卡交易数据，总共包括两天的交易数据。在284,807次交易中发现了492例诈骗。数据集极其不平衡，诈骗频率只占了交易频次的0.172%。

二、观察数据

1.数据源
本文的数据源从Kaggle官方网站下载，该数据集共计284807条数据，变量总数为31个。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df1 = pd.read_csv('creditcard.csv')
df1['Class'].value_counts()

2. 目标变量
通过平台描述和数据框查看，V1,V2,…V28是主成分，Time和Amount是没有经过PCA处理的。Time是每次交易与第一次交易之间距离的时间，以秒计。Amount代表消费金额，Class代表响应变量，1代表欺诈，0代表正常，除此之外没有缺失数据。

三、采样处理

通过数据可视化可以看出，数据中欺诈样本占比极小，在284807次交易中仅有492例欺诈，说明该数据属于不均衡样本，对于不平衡样本的处理方法有很多，比如：

• 欠采样(从好样本里面随机抽取与坏样本同样多的数据进行模型拟合,但是抛弃了大数据好样本的数据，可能会造成较大