信用卡交易欺诈风险预测
数据来源：
Kaggle数据集
匿名的信用卡交易数据，数据集中包含标签字段区分此交易是否是存在欺诈行为
出于用户隐私的保护的需要，数据中的V1-V28特征可能来自于对用户信息特征和其他敏感特征的主成分分析（PCA）结果
字段属性：
Time： 交易发生时间
V1-V28：PCA处理后的用户信息及其他敏感信息
Amount：交易金额
Class：交易类型标签；1：欺诈型交易；0：非欺诈型交易
学习目标：
1）探索数据
要求：
① 读取数据表
② 查看数据的基本情况
2）针对数据存在的问题，应该采取怎么样的特征工程？
要求：
① 分别查看交易金额和交易时间，并对这两列特征进行处理
② 查看V1-V28这些特征与因变量标签之间的关系
③ 对数据进行共线性筛查
3）数据集是否存在分类不平衡的问题，如果存在应该如何解决？
要求：
① 查看数据标签类别分布是否平衡
② 如果存在不平衡的问题，对样本进行重取样（建议采取随机欠取样的方法），获得平衡分类的数据
随机欠取样:抽取所有的总量较少的类别，然后对总量较多的类别进行随机抽样，抽取和总量较少类别一样多的样本，构成采样均匀的数据集
4）如何进行模型数据预处理？
要求：
① 在平衡取样的数据集上对时间、金额特征进行标准化处理
5）选取不同的模型进行模型训练并对比模型效果、优化模型效果，确定最终预测模型
要求：
① 使用留一法进行数据集划分，验证集比例：30%
② 选取至少两个不同类型的分类算法进行欺诈风险预测模型训练，并对比模型效果（kaggle数据提供方推荐以AUC值来评价模型），选出最佳模型
偏态处理
取log
df[‘Amount’] = df[‘Amount’].map(lambda x: np.log(x) if x>0 else 0)
增加时间特征：小时、分钟
timedelta = pd.to_timedelta(df[‘Time’], unit=‘s’)
df[‘Time_min’] = (timedelta.dt.components.minutes).astype(int)
df[‘Time_hour’] = (timedelta.dt.components.hours).astype(int)
查看其他特征跟欺诈的关系
相关性举证，检查共线性问题
plt.figure(figsize=(48,24))
sns.heatmap(df.corr(),linewidths=0.1,vmax=1.0,
square=True, linecolor=‘white’, annot=True)
plt.show()
未完，待续。。。。
转载：https://blog.csdn.net/qq_40323746/article/details/104521634