2022钉钉杯初赛A题（银行卡电信诈骗危险预测）

题目以及数据自取：
链接：https://pan.baidu.com/s/1UkzMxcsHOryGJotaXkYObQ?pwd=1234
提取码：1234

一、题目

1、问题背景

数字支付正在发展，但网络犯罪也在发展。电信诈骗案件持续高发，消费者受损比例持续走高。报告显示，64%的被调查者曾使用手机号码同时注册多个账 户，包括金融类账户、社交类账户和消费类账户等，其中遭遇过电信诈骗并发生损失的比例过半。用手机同时注册金融类账户及其他账户，如发生信息泄露，犯罪分子更易接管金融支付账户盗取资金。
随着移动支付产品创新加快，各类移动支付在消费群体中呈现分化趋势，第三方支付的手机应用丰富的场景受到年轻人群偏爱，支付方式变多也导致个人信息也极易被不法分子盗取。根据数据泄露指数，每天有超过 500 万条记录被盗，这一令人担忧的统计数据表明 - 对于有卡支付和无卡支付类型的支付，欺诈仍然非常普遍。
在今天的数字世界，每天有数万亿的银行卡交易发生，检测欺诈行为的发生 是一个严峻挑战。

2、数据描述

该数据来自一些匿名的数据采集机构，数据共有七个特征和一列类标签。下面对数据特征进行一些简单的解释（每列的含义对我们来说并不重要，但对于机 器学习来说，它可以很容易地发现含义。它有点抽象，但并不需要真正了解每个功能的真正含义。只需了解如何使用它以便您的模型可以学习。许多数据集，尤 其是金融领域的数据集，通常会隐藏一条数据所代表的内容，因为它是敏感信息。 数据所有者不想让他人知道，并且数据开发人员从法律上讲也无权知道）

属性	描述
distance_from_home	银行卡交易地点与家的距离；
distance_from_last_transaction	与上次交易发生的距离；
ratio_to_median_purchase_price	近一次交易与以往交易价格中位数的比率；
repeat_retailer	交易是否发生在同一个商户；
used_chip	是通过芯片（银行卡）进行的交易；
used_pin_number	交易时是否使用了 PIN 码；
online_order	是否是在线交易订单；
fraud	诈骗行为（分类标签）；

二、数据预处理

import pandas as pd
data=pd.read_csv('card_transdata.csv')
data.head(10)

1、列数据类型和缺失值汇总

# 列数据类型和缺失值汇总
data.info()

2、查看数据整体描述

data.describe() # 查看数据整体描述

data.isnull().sum()

根据以上输出可以看到，没有缺失值

3、使用箱型图查看异常值

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns  # 可视化w
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 绘制不同参数的箱型图
plt.style.use('ggplot')
fig,axes = plt.subplots(1,2)
color = dict(boxes='DarkGreen', whiskers='DarkOrange',
              medians='DarkBlue', caps='Red')
# boxes表示箱体，whisker表示触须线
# medians表示中位数，caps表示最大与最小值界限
 
data[['distance_from_home', 'distance_from_last_transaction',
]].plot(kind='box',ax=axes,subplots=True,
                              title='异常值箱型图检测',color=color,sym='r+', figsize=(26,44) ,fontsize=13)
# sym参数表示异常值标记的方式
axes[0].set_ylabel()
axes[1].set_ylabel()
fig.subplots_adjust(wspace=2,hspace=2)  # 调整子图之间的间距
# fig.savefig("p1.png")    # 将绘制的图片保存为p1.png

从上图可以看出：distance_from_home、distance_from_last_transaction、ratio_to_median_purchase_price中异常值较多，repeat_retailer、used_chip,used_pin_number、online_order是二分类的类别特征。

3、对二分类属性进行分析

对诈骗行为做类别分析：0和1分别表示一种欺诈行为，属于二分类。

data.fraud.value_counts()

(data.fraud.value_counts