文件名称：credit-card-fraud
文件大小：516KB
文件格式：ZIP
更新时间：2024-04-09 06:08:09
HTML
信用卡诈骗 数据集包含2013年9月欧洲持卡人通过信用卡进行的交易。此数据集显示了两天内发生的交易，在284,807笔交易中，我们有492起欺诈。数据集高度不平衡，阳性类别（欺诈）占所有交易的0.172％。它仅包含数字输入变量，它们是PCA转换的结果。遗憾的是，由于机密性问题，我们无法提供有关数据的原始功能和更多背景信息。功能部件V1，V2，...，V28是使用PCA获得的主要组件，尚未通过PCA转换的唯一功能部件是“时间”和“量”。功能“时间”包含数据集中每个事务和第一个事务之间经过的秒数。功能“金额”是交易金额，此功能可用于与示例相关的成本敏感型学习。特征“类别”是响应变量，在发生欺诈时其值为1，否则为0。 灵感识别欺诈性的信用卡交易。 给定类别不平衡率，我们建议使用精确召回曲线下的面积（AUPRC）来测量准确性。混淆矩阵的准确性对于不平衡分类没有意义。在此Jupyter笔记本中，我们
【文件预览】：
credit-card-fraud-master
----.ipynb_checkpoints()
--------Untitled-checkpoint.ipynb(72B)
--------AnomalyDetection-checkpoint.ipynb(258KB)
----requirements.txt(426B)
----creditcard.csv(134B)
----runtime.txt(12B)
----README.md(4KB)
----heroku()
--------urls.py(463B)
--------__init__.py(0B)
--------static()
--------wsgi.py(389B)
--------settings.py(3KB)
----AnomalyDetection.ipynb(258KB)
----Procfile(31B)
----manage.py(225B)
----newplot.svg(94KB)
----.gitattributes(42B)
----flask_app()
--------templates()
--------__init__.py(0B)
--------app.py(218B)
----Procfile.windows(44B)