回答情况：
提问时间：
问题标签：
对于数据表示在线欺诈或保险(每一行代表一个事务)的问题，响应变量通常表示以美元表示的欺诈行为的价值。这样的响应值可能少于5%的非零值，表示欺诈交易。关于这样的数据集，我有两个问题：
我们可以使用哪些算法来保证模型不仅可以准确地预测欺诈交易，而且还可以预测与这些欺诈相关的欺诈的价值。假设我们可以量化每个假阳性所涉及的成本(将非欺诈交易标记为欺诈性交易)和由于虚假否定而产生的成本(将欺诈性交易标记为非欺诈性交易)，我们如
浏览 0修改于2014-11-12得票数 3
在经典的欺诈预测问题中，有没有办法降低误报率？目前，我正在研究经典的欺诈检测。有50000个样本有真实的标签(结果是由于调查)。这些训练标签是相当平衡的。现在，当使用该模型预测新病例时，结果是50/50(欺诈和非欺诈)。有没有办法调整模型，让我们通过非欺诈案件并惩罚假阳性率，以便我们检测到较少的欺诈案件(可能少于一百万起中的200起)，但它们极有可能是欺诈。希望这一切都清楚了。
浏览 82提问于2020-12-20得票数 1
汽车保险欺诈数据集有15k个样本(文本数据)，其中约14k不是欺诈样本和1k欺诈。深入学习对这个数据集有好处吗？
另外，哪些算法适合于欺诈检测？
浏览 1提问于2022-06-19得票数 -4
我有一个数据集，我想分类为欺诈/非欺诈，我有许多薄弱的学习者。我担心的是，有更多的欺诈比没有欺诈，所以我的弱学习者表现好于平均水平，但没有一个表现超过50%的准确性在成套。我的问题是，我是否应该设置测试和培训集，其中一半是欺诈，一半不是欺诈，或者我是否应该使用一个代表性的样本。
浏览 0修改于2015-06-13得票数 7
默认情况下，CN2为两个类(欺诈和非欺诈)学习规则。由于我只对欺诈类规则感兴趣，学习非欺诈规则是浪费时间，特别是考虑到我需要在许多数据集中运行CN2。CN2是否可能只学习欺诈类规则，如果有，如何在脚本中配置它来完成这个任务？谢谢!
浏览 3提问于2015-06-26得票数 1
回答已采纳
1回答
我有一个包含欺诈和非欺诈数据的数据集。该系统是一个基于规则的引擎，有20多个规则。如果总分高于某一阈值，则支付被归类为欺诈性。什么是使用机器学习优化分配给不同规则的分数的有效方法(欺诈规则)。
谢谢
浏览 0修改于2018-05-20得票数 -1
回答已采纳
我正在为一家银行开发一个实时欺诈检测系统。此欺诈检测系统的任务是确定进入的交易是否欺诈。该系统不与银行客户进行交互。欺诈检测系统具有捕获传入交易数据、计算交易风险水平等用例。
浏览 0提问于2020-02-28得票数 -3
1回答
我有信用卡欺诈数据集。有两种类型，一种是欺诈交易，另一种是非欺诈交易。你能建议我用什么ML算法来模拟这两个种群的主要特征吗？我需要创建两个配置文件：欺诈交易-金额< 90 $的交易，交易发生在一天中的特定时间
不是欺诈的事务--金额大于90 $的事务，事务发生在一天中的特定时间。
浏览 0修改于2021-01-15得票数 1
1回答
我正在玩一个信用欺诈检测数据集在Kaggle。包含约0.1%欺诈交易的不平衡数据集。这些特性是由+ time & txn量完成的PCA练习中的28台PC，以及用于合法/欺诈txn的类变量0/1。然而，我发现个人电脑在欺诈案件中仍然是相关的(如果你将数据集分解成合法/欺诈案件)。对于使用朴素贝叶斯分类器进行欺诈检测，什么是最好的方法来最小化这种影响？然而，我似乎并不认为删除离群点是一个明智的选择，因为欺诈本身可能是一个离群点。在不删除
浏览 0提问于2018-11-16得票数 2
我有一个14k条目的DataFrame，有些国家有欺诈案例，有些国家根本没有“欺诈”栏。这是在熊猫df。我怎样才能列出那些根本没有欺诈行为的国家呢？
浏览 1提问于2020-12-17得票数 0
回答已采纳
我有一个时间序列数据，它解释了在交易中的欺诈数量超过1年的时间表，以及目标变量的欺诈与否。编辑：：
我忘了一个重要的问题。我将给出一个方案来更好地解释这一点。对于
浏览 0修改于2019-06-18得票数 0
我有一个数据集我需要在那里发现欺诈。99%不是欺诈，1%是欺诈。
在类不平衡的情况下，可以使用什么方法来解决问题？
浏览 0修改于2017-11-20得票数 2
1回答
我选择了与标签(欺诈/无欺诈)负相关的4个特征。我所得到的灵感来自笔记本，画出了标签上这些特征的分布。结果是，我的特色1(仅欺诈)是遵循正态分布。有没有兴趣将我的特性想象成非欺诈和欺诈，并比较发行版？非常感谢！
浏览 0提问于2021-02-05得票数 1
回答已采纳
1回答
在Toll欺诈和客户端不安全的情况下，攻击者可以通过原始代理发送呼叫，因此服务提供者至少不会根据IP信息立即拒绝呼叫。(收费欺诈)。我正在探索实现ML模型的最佳方法，而不是静态规则，以便能够检测实时系统中的Toll欺诈：强化学习(如果欺诈，则奖励)参考文献。
浏览 0提问于2018-02-07得票数 0
在这个数据集中，每个观察是两个类别中的一个--欺诈(1)或不欺诈(0)。此外，还有一个很大的阶级不平衡，只有2.6%的例子是欺诈，另97%的例子不是欺诈。假设我们想要预测一个给定的例子是否是欺诈，我们采用了一种使用自动编码器的异常检测方法。
考虑到数据集中的混合数据类型，一般来说，仅对非欺诈示例进行培训的自动编码器在预测欺诈示例方面会表现良好吗？
浏览 0提问于2018-07-09得票数 8
回答已采纳
但是，我正试图训练一个神经网络来检测网站上的欺诈交易。我有很多输入参数(一天中的时间、原籍国、过去一个月的访问次数、过去一个月来自唯一IP的访问次数、交易数量、平均交易规模等)。历史上，我可以查看我的数据，并确定交易是欺诈类型A或B类型，或不欺诈性。我的训练集可能很大(数千分或数万分)。
最终，我想要一个指标: A类欺诈，B型欺诈或非欺诈。一般而言，欺诈性交易往往符合一种模式。我无法准确地识别模式(这就是我使用NN的原因)。然而，没有欺诈交易可以是任何
浏览 4提问于2015-02-23得票数 2
回答已采纳
给我一个数据集来检测欺诈行为。imgremlin/4th-place-in-fraud-detection-from-zindi我是否可以调整SciKit算法，使其优化以便于召回？
浏览 0提问于2022-10-11得票数 0
credit_card.sample(n=100，replace='False')在这里，我试图从数据集中采样100个数据点，但无法获得正确的样本数据，因此它保留了信用卡欺诈数据集的原始分布，即0类(非欺诈)和1类(欺诈)。
浏览 1提问于2018-04-24得票数 0
我正在AWS Sagemaker上处理信用欺诈数据集。数据集高度不平衡。它只有0.1732%的欺诈交易。我想使用来自sagemaker的XG-Boost来预测一个给定的交易是欺诈性的(1)还是非欺诈性的(0)。它只是给每一笔交易贴上非欺诈性的标签。两个类的逻辑和多softmax不应该给出相同的答案吗？另外，在处理不平衡的数据集时，是否有需要更改其默认值的超参数？谢谢
浏览 8提问于2019-11-13得票数 1
1回答
因此，我试图用R编写我的欺诈检测算法，我有一个数字值(欺诈性)，与某个用户在向量中实施欺诈的可能性成正比。如何创建一个新列，说明它是高、中还是低，考虑到“欺诈性”的一些敏感性(即，如果state 6>‘舞弊’> 0.3，那么它是低的，如果在0.6到0.8 MED之间，而高如果它是0.8或更高。
浏览 5提问于2015-07-22得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号