行业案例 | 建模在银行业应用之欺诈检测

8 5050non- nullfloat64

8V9 5050non- nullfloat64

9V10 5050non- nullfloat64

10V11 5050non- nullfloat64

11V12 5050non- nullfloat64

12V13 5050non- nullfloat64

13V14 5050non- nullfloat64

14V15 5050non- nullfloat64

15V16 5050non- nullfloat64

16V17 5050non- nullfloat64

17V18 5050non- nullfloat64

18V19 5050non- nullfloat64

19V20 5050non- nullfloat64

20V21 5050non- nullfloat64

21V22 5050non- nullfloat64

22V23 5050non- nullfloat64

23V24 5050non- nullfloat64

24V25 5050non- nullfloat64

25V26 5050non- nullfloat64

26V27 5050non- nullfloat64

27V28 5050non- nullfloat64

28Amount 5050non- nullfloat64

29Class5050non- nullint64

dtypes: float64( 29), int64( 1)

memory usage: 1.2MB

V1 V2 V3 V4 V5 V6 V7

01.725265-1.337256-1.012687-0.361656-1.431611-1.098681-0.842274

10.683254-1.6818750.533349-0.326064-1.4556030.101832-0.520590

21.067973-0.6566671.0297380.253899-1.1727150.073232-0.745771

V8 V9 V10 V11 V12 V13 V14

0-0.026594-0.0324090.2151131.618952-0.654046-1.442665-1.546538

10.114036-0.6017600.4440111.5215700.499202-0.127849-0.237253

20.2498031.383057-0.483771-0.7827800.005242-1.273288-0.269260

V15 V16 V17 V18 V19 V20 V21

0-0.2300081.7855391.4197930.0716660.2330310.2759110.414524

1-0.7523510.6671900.724785-1.7366150.7020880.6381860.116898

20.091287-0.3479730.495328-0.9259490.099138-0.083859-0.189315

V22 V23 V24 V25 V26 V27 V28

00.7934340.0288870.419421-0.367529-0.155634-0.0157680.010790

1-0.304605-0.1255470.2448480.069163-0.460712-0.0170680.063542

2-0.4267430.0795390.1296920.0027780.970498-0.0350560.017313

Amount Class

0189.000

1315.170

259.980

数据库集还之外都有常量：

数值编码的常量V1到V28是从PCA叠加之中授予的；大分量。由于原则上疑虑，尚未提专用有关类似功能的时代背景信息。 Amount常量表示股票交易金额。 Class常量显示股票交易有否为骗子（1）或非骗子（0）。

幸运的是，就其物理性质而言，骗子事件在任何股票交易列表之中都是极较少数。然而，当数据库集之中还之外的有所不同几类或多或较少实际上时，建模迭代多半缺点最出色。否则，就不能什么数据库可专用借鉴，这个疑虑被称为几类不均。

接着近似值骗子股票交易占多数数据库集之中股票交易半数的百分比：

round(creditcard_data[ 'Class'].value_counts* 100/ len(creditcard_data)).convert_dtypes

099

11

Name: Class, dtype: Int64

并成立一个图表，将骗子与非骗子的数据库点数据量化。

importmatplotlib.pyplot asplt

importnumpy asnp

defprep_data(df):

X = df.iloc[:, 1: 28]

X = np.array(X).astype(float)

y = df.iloc[:, 29]

y = np.array(y).astype(float)

returnX, y

defplot_data(X, y):

plt.scatter(X[y== 0, 0], X[y== 0, 1], label= 'Class #0', alpha= 0.5, linewidth= 0.15)

plt.scatter(X[y== 1, 0], X[y== 1, 1], label= 'Class #1', alpha= 0.5, linewidth= 0.15, c= 'r')

plt.legend

returnplt.show

X, y = prep_data(creditcard_data)

plot_data(X, y)

可以认定的是，骗子性股票交易的百分比非常低，当之中实际上一个几类不有利于疑虑的犯罪行为。

为了解决问题这个疑虑，我们可以广泛运用衍生物较少数人超抽样系统对设计（SMOTE）来正新有利于数据库。与随机超额取样有所不同，SMOTE稍微繁复一些，因为它不只是成立掩蔽值的精确副本。

相反，它广泛运用骗子犯罪案件行为的最近邻居的特质来成立原先、衍生物的样本，这些样本与较少数人几类之中的基本掩蔽值相当相像，让我们把SMOTE广泛运用该银行卡数据库。

fromimblearn.over_sampling importSMOTE

method = SMOTE

X_resampled, y_resampled = method.fit_resample(X, y)

plot_data(X_resampled, y_resampled)

正如所看不到的，广泛运用SMOTE接二连三提专用了愈来愈多的较少数几类的掩蔽结果。为了愈来愈好地看不到这种原理的结果，这里将把其与数据库收尾非常。

defcompare_plot(X, y, X_resampled, y_resampled, method):

f, (ax1, ax2) = plt.subplots( 1, 2)

c0 = ax1.scatter(X[y== 0, 0], X[y== 0, 1], label= 'Class #0',alpha= 0.5)

c1 = ax1.scatter(X[y== 1, 0], X[y== 1, 1], label= 'Class #1',alpha= 0.5, c= 'r')

ax1.set_title( 'Original set')

ax2.scatter(X_resampled[y_resampled== 0, 0], X_resampled[y_resampled== 0, 1], label= 'Class #0', alpha= .5)

ax2.scatter(X_resampled[y_resampled== 1, 0], X_resampled[y_resampled== 1, 1], label= 'Class #1', alpha= .5,c= 'r')

ax2.set_title(method)

plt.figlegend((c0, c1), ( 'Class #0', 'Class #1'), loc= 'lower center', ncol= 2, labelspacing= 0.)

plt.tight_layout(pad= 3)

returnplt.show

print( f'Original set:'

f' {pd.value_counts(pd.Series(y))}'

f'SMOTE:'

f' {pd.value_counts(pd.Series(y_resampled))}' )

compare_plot(X, y, X_resampled, y_resampled, method= 'SMOTE')

Originalset:

0 .05000

1 .050

dtype: int64

SMOTE:

0 .05000

1 .05000

dtype: int64

因此，SMOTE原理早就完全有利于了数据库，较少数人群现今与多数人群的规模之比。

例如，此类规则可能涉及不寻常的股票交易地点或可疑的频繁股票交易。其期望是基于常见于的统计分析数据库度量频率，多半是基于掩蔽值的平均数，并在功能上广泛运用这些频率来侦测骗子。

print(creditcard_data.groupby( 'Class').mean.round( 3) [['V1', 'V3']])

V1V3

Class

0 0 .0350 .037

1 -4.985-7.294

在特殊情况下，可以运用都有条件：V1<-3和V3<-5。然后，为了评估这种原理的性能，我们将把标记的骗子犯罪行为与实际犯罪行为收尾非常：

creditcard_data[ 'flag_as_fraud'] = np.where(np.logical_and(creditcard_data[ 'V1']<-3, creditcard_data[ 'V3']

print(pd.crosstab(creditcard_data[ 'Class'], creditcard_data[ 'flag_as_fraud'], rownames=[ 'Actual Fraud'], colnames=[ 'Flagged Fraud']))

FlaggedFraud 01

Actual Fraud

0498416

12822

fromsklearn.model_selection importtrain_test_split

fromsklearn.linear_model importLogisticRegression

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size= 0.3, random_state= 0)

lr = LogisticRegression

lr.fit(X_train, y_train)

predictions = lr.predict(X_test)

print(pd.crosstab(y_test, predictions, rownames=[ 'Actual Fraud'], colnames=[ 'Flagged Fraud']))

FlaggedFraud0 .01 .0

ActualFraud

0 .01504 1

1 .01 9

必须注意的是，在相混矩阵之中要核对的观测值较较少，因为我们只广泛运用飞行测试集来近似值仿真结果，即仅占多数整个数据库集的30%。

结果是发现了愈来愈更高百分比的骗子犯罪案件行为：90%（9/10），而之前的结果是44%（22/50），得到的新闻报导也比之前较少了很多，这是一个进步。

现今让我们离开末尾讨论的类不有利于疑虑，并探讨有否可以通过将逻辑复归仿真与SMOTE正采样原理结合体来进一步减低预测结果。为了更高效、了了地收尾这项工作，我们必须度量一个管线，并在数据库上运行：

from imblearn.pipeline import Pipeline

# Defining which resampling method and which ML model to use in the pipeline

resampling = SMOTE

lr = LogisticRegression

pipeline = Pipeline([('SMOTE', resampling), ('Logistic Regression', lr)])

pipeline.fit(X_train, y_train)

predictions = pipeline.predict(X_test)

print(pd.crosstab(y_test, predictions, rownames=['Actual Fraud'], colnames=['Flagged Fraud']))

FlaggedFraud0 .01 .0

ActualFraud

0 .01496 9

1 .01 9

可以看不到，在犯罪行为之中，SMOTE并不能促使任何修改：始终捕获了90%的骗子事件，而且有假阳性量略更高。

这里的解读是，正新取样不见得在所有情况下都能促使愈来愈好的结果。当骗子犯罪案件行为在数据库之中非常分散时，其最近的不见得也是骗子犯罪案件行为，所以广泛运用SMOTE会扩展偏见疑虑。

为了减低逻辑复归仿真的精确性，我们可以修改一些迭代参数，也可以考量采用K-fold一个大验证法，而不是直接将数据库集分成两外。

最后，还可以尝试一些其他的建模迭代（如解析器或随机森林），看看它们有否能所述愈来愈好的结果。

详见链接：

好，以上就是现今的个人。如果大家还有数据库量化方面无关的疑问，就在评论区留言。

此外还为大家准备了免费的数据库量化数据，大礼包，一份好的求学数据能让你较少走很多弯路，太快来申领吧。

点这里👇瞩目我，记得标星哦~

CDA本科课程审核

。

广州妇科医院哪家更好
合肥好的白癜风专科医院
武汉痛风医院哪家专业
南京男科医院专家预约挂号
深圳牛皮癣治疗方法
钇90疗法
肝癌晚期还有治疗的必要吗
钇90选择性内放射治疗
肝癌晚期还有治疗的必要吗
肝癌中晚期最佳治疗方案是什么