Bit-Byte-Builder/Fraud-Detection-in-Online-Transactions
GitHub: Bit-Byte-Builder/Fraud-Detection-in-Online-Transactions
基于Python构建的端到端在线交易欺诈检测机器学习pipeline，涵盖从数据分析到模型评估的完整流程。
Stars: 0 | Forks: 0
# 在线交易欺诈检测
## 项目概述
本项目开发了一个端到端的机器学习 pipeline，用于检测在线金融交易中的欺诈行为。工作流程包括数据验证、探索性数据分析（EDA）、特征工程、数据预处理、模型训练、评估以及针对欺诈缓解的业务建议。
## 目标
- 准确检测欺诈交易
- 减少假阳性和假阴性
- 构建基于行为和交易的特征
- 构建并评估机器学习分类模型
- 提供可执行的业务洞察
## 技术栈
- Python
- Pandas
- NumPy
- Matplotlib
- Seaborn
- Scikit-learn
- Jupyter Notebook
## 项目结构
```
Fraud-Detection-in-Online-Transactions/
├── notebooks/
│ └── Fraud_Detection_Capstone_Project.ipynb
├── data/
│ ├── raw/
│ └── processed/
├── images/
├── requirements.txt
├── README.md
├── LICENSE
└── .gitignore
```
## 工作流程
1. 数据验证
2. 探索性数据分析（EDA）
3. 数据预处理
4. 特征工程
5. 模型训练
6. 模型评估
7. 业务建议
## 模型性能
**推荐模型：** Logistic Regression
| 指标 | 数值 |
|--------|------:|
| Accuracy | 69.57% |
| Precision | 18.65% |
| Recall | 60.24% |
| F1-Score | 28.48% |
| ROC-AUC | 70.73% |
| PR-AUC | 22.24% |
## 阈值优化
- **最佳阈值：** 0.6109
- **F1-Score（阈值调优后）：** 30.38%
- **Accuracy（阈值调优后）：** 81.35%
## 数据集
该数据集包含交易级别的信息，用于对在线欺诈交易和合法交易进行分类。
## 结果
经过训练的分类模型基于行为和交易特征预测欺诈交易，为欺诈防范和风险管理提供支持。
## 作者
**Sachin Kumar**
标签：Apex, NoSQL, Python, 分类模型, 数据科学, 无后门, 机器学习, 欺诈检测, 资源验证, 逆向工具, 金融风控