一、题目背景

kaggle赛题：https://www.kaggle.com/c/ieee-fraud-detection/discussion/101203
从客户的交易行为中，找到欺诈的行为，典型的二分类任务。数据集中坏客户有20000+，好坏样本比例为29：1，数据集有一张副表，表的字段解释：

交易表（transaction表）：

TransactionID:主键
TransactionDT：来自给定参考日期时间的timedelta（不是实际时间戳）
TransactionAMT：以美元计算的交易付款金额
ProductCD：产品代码，每笔交易的产品类型
card1 ~ card6：支付卡信息，如卡类型，卡类别，发行银行，国家/地区等。
addr1~add2：支付卡的地址
dist~dist2：距离
P_emaildomain 和 R_emaildomain：购买者和收件人电子邮件域
C1-C14：计数，例如发现与支付卡相关联的地址数等，实际含义被掩盖。
D1-D15：timedelta，时间间隔，例如当前交易和上次交易之间的间隔天数等。
M1-M9：匹配，例如卡片上的姓名和地址等。
Vxxx：Vesta设计了丰富的特征，包括排名，计数和其他实体关系。
类别特征：
ProductCD
card1 - card6
addr1，addr2
P emaildomain R emaildomain
M1 - M9

  

 

  
 
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
 

身份表（identity）表：

TransactionID:主键
该表中的变量是与交易相关的身份信息 - 网络连接信息（IP，ISP，代理等）和数字签名（UA /浏览器/操作系统/版本等）。
它们由Vesta的欺诈保护系统和数字安全合作伙伴收集。
（字段名称被屏蔽，并且不会提供成对字典用于隐私保护和合同协议）

DeviceType 用户使用的设备类型
DeviceInfo  用户使用的设备信息
id 1 ~ id 38  网络连接、数字签名等相关特征
类别特征：
DeviceType 
DeviceInfo  
id 12 ~ id 38 

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

对于kaggle这样的数据科学比赛一般的流程：

二、反欺诈模型思路

• 目标列Class呈现较大的样本不平衡，会对模型学习造成困扰。样本不平衡常用的解决方法有过采样和欠采样，我们此处处理样本不平衡，可以用过采样，具体操作使用SMOTE（Synthetic Minority Oversampling Technique）。
• 更新ing。。。。。。

Reference

[1] https://www.cnblogs.com/tan2810/p/10594752.html
[2] kaggle支付反欺诈：IEEE-CIS Fraud Detection第一名方案复现过程

文章来源: andyguo.blog.csdn.net，作者：山顶夕景，版权归原作者所有，如需转载，请联系作者。

原文链接：andyguo.blog.csdn.net/article/details/123364547