反欺诈检测-视频

by prentiss 2021-03-24

项目背景

本项目目的是对模拟的银行转账异常现象进行侦查,对银行交易的数据进行检测,起到反欺诈的作用。
通过读取的数据集原网址为 creditcard_link ,数据集包含欧洲部分持卡人在2013年9月使用信用卡进行交易的Demo数据,使用 Jupyterlab 进行模型训练,筛选出最优模型得出最佳预测结果,并对数据进行主成分分析及三维图形展示。

本介绍将以向导的形式,向大家展示一个机器学习分类分析实例,包括数据采集、数据处理和数据分析这几个步骤:

  • 银行转账Demo数据采集
  • 进入 JupyterLab环境
  • 数据处理与导出
  • 分类模型
  • GBT分类模型调参
  • PCA降维视觉化

步骤0:克隆公共项目到个人/机构

克隆已准备好的完整项目到个人/机构进行体验。

步骤1:URL 文件导入

在BDOS Online大数据平台,用户可通过URL文件导入,导入到系统的HDFS。

步骤2:进入 JupyterLab

步骤3:数据处理与导出

在Pysaprk程序步骤对银行demo数据进行处理并导出。

步骤4:分类模型

在Pysaprk程序中运用五种不同的机器学习分类模型,并对每个模型的预测结果进行评估。

步骤5:GBT分类模型调参

在Pysaprk程序中针对GBT模型,测试不同的参数组合,最后将表现最优的模型以及该模型的预测结果导出。

步骤6:PCA降维视觉化

在Pysaprk程序中运用PCA对于特征数据进行降维处理,使多维数据降至三维,并将三维数据用图像的方式呈现。

留言

评论

${{item['author_name']}} 回复 ${{idToContentMap[item.parent] !== undefined ? idToContentMap[item.parent]['author_name'] : ''}} · ${{item.date.slice(0, 10)}} 回复

暂时还没有一条评论.