回答情况：
提问时间：
问题标签：
11", "Tuesday": "4-11", "Thursday": "4-11",11", "Tuesday&qu
浏览 1提问于2022-03-23得票数 1
回答已采纳
它的时间间隔为4-11个月，但原始导入的df将其识别为datetime.datetime，返回一个长而烦人的日期格式值。我已经包括了一张图片，我尝试的代码和预期的输出：尝试代码：或者：
df['Lifecycle Interval'].replace('2022-04-11 00:00:00&
浏览 8提问于2022-08-29得票数 0
回答已采纳
Support '),] ('0-4', '0-4'), ('11-18', '11-18'),]
class T
浏览 38提问于2020-03-25得票数 0
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
3回答
文件包含的条目如下所示："24 HRS " "4-11:15 M-F 6-11:15 SA-SU"
正如你所看到的，我必须处理引号和很多空格。
浏览 1修改于2013-10-17得票数 0
回答已采纳
1回答
16 17 187 8 9 10 11 12第一行中的计算-一次只考虑两个矩阵中的四个元素(0表示填充)：
(1-8)+(2-9)+(3-10)+(4-(2-9)+(3-10)+(4-11)+(5-12): This replaces 2 in initial matrix.(3-10)+(4-11)+(5-12)+(6-0): This replaces 3 in initial matrix.(4-11)+(5-12)+(6-0)+(0-0): This replac
浏览 2修改于2012-08-01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
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
age = "0-4",children=instance) Timeline.objects.create(header = "Educational Support", age = "4-= "0-4",children
浏览 0提问于2020-04-05得票数 0
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
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
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