信用卡欺诈预测——模型调优

忍狼

于 2020-03-24 12:17:13 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：数据挖掘文章标签： python 逻辑回归

本文链接：https://blog.youkuaiyun.com/mikewo/article/details/81879157

本文分析了信用卡交易数据，探讨了针对不平衡样本的处理方法，选择了欠采样策略，并使用逻辑回归模型进行欺诈预测。通过调整正则惩罚项系数C和分类阈值，找到最佳模型参数，最终在测试集上达到99.6%的召回率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这个数据来自欧洲信用卡交易数据，总共包括两天的交易数据。在284,807次交易中发现了492例诈骗。数据集极其不平衡，诈骗频率只占了交易频次的0.172%。

1.数据源
本文的数据源从Kaggle官方网站下载，该数据集共计284807条数据，变量总数为31个。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df1 = pd.read_csv('creditcard.csv')
df1['Class'].value_counts()

200万优质内容无限畅学