Nour-Elrouby/Credit-Card-Fraud-Detection

# 信用卡欺诈检测 一个应用多种分类算法来检测信用卡欺诈交易的机器学习项目。该项目涵盖了探索性数据分析、类别不平衡处理、模型训练与评估。 ## 数据集 - **来源：** [Kaggle - Credit Card Fraud Detection](https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud) - **交易数量：** 284,807 - **欺诈案例：** 492（占所有交易的 0.172%） - **特征：** 30 — V1 至 V28（PCA 转换后的特征）、`Amount`、`Time`、`Class` - **目标：** `Class` — 1 表示欺诈，0 表示合法 ## 项目结构 ``` ├── Final_Version.ipynb # Main notebook ├── creditcard.csv # Dataset (download from Kaggle) └── README.md ``` ## 工作流程 ### 1. 数据探索 - 数据形状、信息、描述性统计 - 缺失值和重复值检查 - 类别分布 ### 2. 探索性数据分析 (EDA) - 欺诈与非欺诈分布（计数图） - 交易金额和时间分布 - 选定特征的成对关系图 - 相关性热力图 - 特征与目标类别的相关性 ### 3. 预处理 - 去除重复行 - 删除 `Time` 列 - 划分训练集/测试集（80/20，分层抽样） - 使用 RobustScaler 对 `Amount` 进行缩放 ### 4. 处理类别不平衡 | 技术 | 描述 | |---|---| | 欠采样 | RandomUnderSampler — 缩减多数类 | | 过采样 | SMOTE — 生成合成的少数类样本 | | 混合采样 | SMOTEENN — 将 SMOTE 与 Edited Nearest Neighbours 相结合 | ### 5. 模型 | 模型 | 类型 | |---|---| | Logistic Regression | 线性基线模型 | | Decision Tree | 可解释的基于树的模型 | | Random Forest | 集成模型 | | XGBoost | 集成模型 | 每个模型都在所有三种采样策略下进行了训练和评估。 ### 6. 评估指标 - Precision、Recall、F1-Score（欺诈类） - AUC-ROC 分数 - 混淆矩阵 - ROC 曲线 ## 结果 每个模型在所有采样策略下的比较结果均汇总在一个按 F1-Score 排序的汇总表中。表现最好的模型会在结论单元格中自动识别。 ## 依赖项 ``` pandas numpy matplotlib seaborn scikit-learn imbalanced-learn xgboost ``` ## 主要发现 - 对于不平衡数据，Accuracy 具有误导性 — 因此改用 F1-Score 和 AUC-ROC - SMOTE 和 SMOTEENN 在大多数情况下优于欠采样 - XGBoost 和 Random Forest 取得了最高的 AUC-ROC - Logistic Regression 在应用 SMOTE 后是一个稳健的基线模型 - Decision Tree 具有可解释性，但性能弱于集成模型 ## 未来改进 - 使用 GridSearchCV 进行超参数调优 - 阈值调优，以实现更好的 Precision/Recall 权衡 - 使用 `class_weight=balanced` 进行代价敏感学习

标签：Apex, Kaggle, Python, ROC曲线, SMOTE, XGBoost, 不平衡数据处理, 信用卡欺诈检测, 决策树, 分类算法, 反欺诈, 异常检测, 探索性数据分析(EDA), 数据科学, 数据预处理, 无后门, 机器学习, 模型评估, 特征工程, 网络安全, 资源验证, 逆向工具, 逻辑回归, 金融风控, 随机森林, 隐私保护