机器学习项目实战——信用卡反欺诈预测模型

项目背景

      该项目所使用的数据集包含持卡人在两天内使用信用卡的交易情况，共有284807笔交易，其中有492笔交易为盗刷。数据集中的数据是经过了PCA降维，并且出于保密原因，这些特征都进行了脱敏处理，数据以秒为单位记录。通过对这些数据的分析，建模，可以对信用卡盗刷情况进行预测。有利于银行对存在风险的交易采取措施，减小银行和持卡人的损失。并设置合理的阈值，使得银行在减小盗刷损失的前提下，更好的提升使用信用卡的体验。

数据总览

     从数据来看，类别分为：1（存在盗刷），0（正常交易），这是一个二分类问题。此外正负样本极度不平衡，可采用过采样的方式使样本类别平衡。特征V1至V28是经过PCA处理，而特征Time和Amount的数据规格与其他特征存在量纲上的区别，需要对这些特征进行处理，使这些特征的量纲相同。我们选取70%的数据进行训练，30%的数据进行预测和评估。

模型选择和评估

      这是一个二分类监督学习场景，我们选择逻辑回归（Logistic Regression）算法。在模型评估方面。我们使用ROC曲线下的面积AUC。

读取数据

import pandas as pd
data=pd.read_csv('creditcard.csv')
y=data['Class']

执行结果