识别欺诈性机器学习：使用机器学习以及公共的安然财务和电子邮件数据，确定哪些安然员工更可能犯了欺诈

【文件属性】：
文件名称：识别欺诈性机器学习：使用机器学习以及公共的安然财务和电子邮件数据，确定哪些安然员工更可能犯了欺诈
文件大小：1.22MB
文件格式：ZIP
更新时间：2021-02-04 01:32:28
python machine-learning scikit-learn feature-selection classification 使用机器学习识别欺诈（项目概述） 项目目标 在2000年，安然（Enron）是美国最大的公司之一。 到2002年，由于广泛的公司欺诈行为，该公司破产了。 在最终的联邦调查中，大量的通常是机密信息被输入到公共记录中，包括成千上万的电子邮件和高级管理人员的详细财务数据。 这些数据已与手工生成的欺诈案件中感兴趣的人的名单相结合，这意味着被起诉，与*达成和解或辩诉交易或作证以换取起诉豁免权的个人。 这些数据为146名员工创建了21个要素的数据集。 该项目的范围是创建一种算法，该算法能够识别可能实施欺诈的安然员工。 为了实现此目标，部署了探索性数据分析和机器学习以从异常值中清除数据集，识别新参数并将

【文件预览】：
Identify-Fraud-using-Machine-Learning-master
----.ipynb_checkpoints()
--------README-checkpoint.ipynb(21KB)
--------Identify Fraud Using Machine Learning -checkpoint.ipynb(459KB)
--------Enron Submission Free-Response Questions-checkpoint.ipynb(16KB)
----index.html(265KB)
----images()
--------banner.jpg(112KB)
----code()
--------test_dnc.py(2KB)
--------poi_email_addresses.py(3KB)
--------feature_format.py(4KB)
--------poi_id.py(18KB)
--------tester.py(4KB)
----Figures()
--------stock_to_payments.png(16KB)
--------nearest_centroid.png(19KB)
--------svc.png(13KB)
--------feature_reduction.png(19KB)
--------features_importance2.png(32KB)
--------features_importance.png(46KB)
----dataset()
--------poi_names.txt(748B)
--------final_project_dataset_modified.pkl(36KB)
--------final_project_dataset.pkl(37KB)
--------enron61702insiderpay.pdf(431KB)
----README.md(17KB)
----Identify Fraud Using Machine Learning .ipynb(459KB)
----Enron Submission Free-Response Questions.ipynb(16KB)
----.gitignore(713B)
----README.ipynb(21KB)