回答情况：
提问时间：
问题标签：
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
给我一个数据集来检测欺诈行为。类似的东西：https://www.kaggle.com/code/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
浏览 0提问于2022-10-11得票数 0
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
plt.subplots() ax.plot(group.index, group.reconstruction_error, marker='o', ms=4,linestyle='','g','k',
label= "fraud" if name == 1 else "normal") 根据代码，该图有两个类点“欺诈”和“正常”。“欺诈</em
浏览 22提问于2019-05-02得票数 0
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
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未知是欺诈的后验
浏览 3修改于2012-11-18得票数 2
回答已采纳
3回答
我想做的是:我们正在设计一个股票市场欺诈检测系统。我知道欺诈的规范(它们就像模板)。因此，我想知道我是否可以设计一个模板，并找到与此模板匹配的所有记录。注意:我不能使用传统的查询，因为模板很复杂--例如，我的欺诈行为之一是循环交易，它是这样的:A从B购买，B从C购买，C从A购买(这是一个循环)，这个周期可以包括4或5个人。
浏览 1提问于2010-02-21得票数 2
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 (50+70)，计数是2。欺诈金额的总和是70，其中欺诈是1。表a ID Amount Date2 200 02-01-20204 600700 05-01-2020
6 70 06-01-20
浏览 14修改于2020-12-09得票数 0
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
6 2 Facebook 42373.3166 4final_list[0:5])
legit = [] 接下来我要做的是把每条记录归类到欺诈或合法的名单中在以下参数下，记录将被视为欺诈记录。因此，这一记录将被列入欺诈名单。
逻辑将一行分配给
浏览 7提问于2016-04-03得票数 0
我试图建立一个ML分类模型，以检测欺诈帐户注册。我手头的数据有:姓名、电子邮件地址、坐标(注册时IP地址的经度和纬度)和标签(欺诈与非欺诈)。dataset.summary>>> dataset.shape
(93207, 4)此外，有些
浏览 1提问于2018-04-10得票数 6
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
它工作得很好，但是当使用model.predict()方法时，它给出了一个元组作为输出，在0，1，例如，我训练模型将新闻文章分类为欺诈和非欺诈类别。然后，我将以下4个测试数据输入到模型中进行预测： [ 2.8651822, -2.564444 ], [ 2.770451 , -2.3713884]]
对我来说标签-0代表非欺
浏览 3修改于2020-07-29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
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
你好，我正在尝试部署在NEO4j用例中共享的欺诈检测用例，该用例遵循以下链接：任何人都可以帮助我处理这个数据库。
浏览 5修改于2020-04-10得票数 0
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
1回答
对于每个电话，可以有多个风险分数、欺诈状态和输入时间戳，但只能有一个呼叫ID和一个电话号码。因此，我想写一个查询来统计所有唯一的调用，每一个以上的欺诈状态和一个Risk_Score < 80和EntryTimestamp < '2018-04-20 18:00:00.000‘。换句话说，我想统计一下2018年4月20日下午5点之前发生的所有欺诈
浏览 0修改于2018-05-25得票数 0
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
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