回答情况：
提问时间：
问题标签：
我使用橙色CN2规则归纳算法来检测舞弊率很低的地方(低于0.1%)。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
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
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我对每个人口都有两个以上的特征。
浏览 0修改于2021-01-15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。这是我的输入和预期输出输入(df)1 0.43 0.2输出(df)
IDfr
浏览 5提问于2015-07-22得票数 1
回答已采纳
(I) S可以发起生日攻击，以欺诈性消息取代mm。(II)第三方攻击者可以发起生日攻击，以欺诈性消息取代m。(3) R可以发起生日攻击，以欺诈性消息取代m。下列哪些是可能的安全违规行为？A. (1)和(2)只有B. (1)只有C (2)只有D (2)和(3)但这些陈述让我迷惑了！发送者可以执行生日攻击并向接收方发送欺诈性消息。
接收者可以执行生日攻击并创建<e
浏览 0修改于2020-06-17得票数 2
所以，我有这样的条件，2/3的验证者不诚实，他们可以进行欺诈交易。怎样才能防止它，我如何知道哪2/3是欺诈？PBFT不起作用，对吧？有解决办法吗？
浏览 0修改于2018-12-05得票数 0
回答已采纳
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)。当我将超参数中的目标函数设置为'multi:softmax‘和类别数= 2时，它给出了很好的结果，召回率为85%。当我将目标函数设置为'reg:logistic‘时，我的召回率为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
浏览 8提问于2019-11-13得票数 1
70 1>500 13002 700 1 其中我需要金额和计数按类别提到的数量，如0-100,100-500和>500。其次，我还需要欺诈金额的总和(其中欺诈= 1)和欺诈的计数。我需要左连接以获得欺诈列来计算它。 例如，类别0-100，金额的总和是120
浏览 14修改于2020-12-09得票数 0
我正在使用XGBoost开发一个欺诈检测模型。基于CPU的模型工作良好，并能识别出预期的欺诈行为。 'eval_metric':'merror', 'num_class&#x
浏览 5提问于2021-01-14得票数 2
回答已采纳
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
我知道贝叶斯的规则，但我不确定如何在我的data.My数据上实现，因为below.There在我的数据中总共有2个标签，它们都是ok，欺诈和标记为未知的测试数据。我需要通过应用朴素贝叶斯Algorithm.How将所有未知记录分类为ok或欺诈。我是否可以做到这一点？请谁来帮帮我。1,v1,p1,182,1665,unkn3,v3,p1,20393,76990,ok5,v3,p1,6164,20260未知是欺
浏览 3修改于2012-11-18得票数 2
回答已采纳
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
result_table <- cbind(Normal = c(1,2,3), Fraud = c(4,5,6))my_df <- as.data.frame(result_table)我想把正常与正常的绿色，欺诈与欺诈的绿色，正常的与欺诈的红色，欺诈与正常的红色
浏览 0修改于2019-07-17得票数 1
1回答
例如..假设我们在文档中搜索与2个名词- "person A“和"person B”相关联的单词“欺诈”。文本类似于下面的内容。名词中的......"fraud“结论--PersonA更有可能可用作形容词“欺诈”，因为“欺诈”比"PersonB“更接近"PersonA”。对于“文本挖掘”，有没有好的算法/统计模型来衡量这一点？
浏览 0提问于2015-11-05得票数 1
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
其结果如下：在这种情况下，不可能找到一个模式来确定它是否是一种欺诈。
pca = PCA(n_components=3)
pca1, pca2</
浏览 1提问于2017-09-12得票数 1
回答已采纳
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
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
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
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