信用卡欺诈检测

使用Logstic Regression对信用卡欺诈检测进行分类

步骤以及一些需要注意的点

• 特征工程
• 样本不均衡问题的解决(降采样以及过采样两种方式)
• 下采样策略
• 交叉验证(充分利用数据，使模型更具说服力)
• 模型评估方法(分类准确率，精确率，召回率，F1值)
• 正则化惩罚(防止模型过拟合，引入L2正则化)
• 逻辑回归阈值对结果的影响(通过混淆矩阵的可视化以及召回率来体现)
• 过采样策略(SMOTE算法)

如何运行？

• 信用卡数据集为"creditcard.csv"，地址为:https://myblogs-photos-1256941622.cos.ap-chengdu.myqcloud.com/%E4%BF%A1%E7%94%A8%E5%8D%A1%E6%AC%BA%E8%AF%88%E6%A3%80%E6%B5%8B/creditcard.csv (可根据需要下载)
• 在和数据集的同一存储目录下运行 python Creditcard_fraud_detection.py文件即可

配置环境

• Python 3.6.5
• numpy 1.15.4
• pandas 0.23.4
• matplotlib 3.0.2
• scikit-learn 0.20.0
• imbalanced-learn 0.4.3