Shiwangnigupta/Fraud-Detection-in-Financial-Transactions

# 金融交易欺诈检测 ## 项目目标 本项目的目标是分析与欺诈性金融申请相关的模式，并开发一个基于机器学习的欺诈检测框架。通过探索性数据分析和预测建模，该项目旨在识别导致欺诈行为的关键因素，并支持风险管理决策。 ## 数据来源致谢 使用的数据集： Bank Account Fraud Dataset (NeurIPS 2022) 来源： https://www.kaggle.com/datasets/sgpjesus/bank-account-fraud-dataset-neurips-2022 ## 数据集描述 该数据集包含用于欺诈检测的客户级别和申请级别信息。 目标变量： - fraud_bool - 0 = 正常申请 - 1 = 欺诈申请 重要特征： - credit_risk_score - proposed_credit_limit - customer_age - income - employment_status - housing_status - 行为指标 该数据集高度不平衡，反映了真实世界中的欺诈检测场景。 ## 探索性数据分析 (EDA) 执行了以下分析： - 欺诈与非欺诈对比 - 目标类别分布 - 特征分布分析 - 相关性分析 - 成对图分析 - 缺失值分析

标签：Apex, 探索性数据分析, 数据科学, 机器学习, 欺诈检测, 特征工程, 资源验证, 逆向工具, 金融风控