基于Python的银行信用卡欺诈预测模型 [复制链接]

目录

第一章引言3

1.1研究背景及意义3

1.2研究现状3

1.3行文思路及框架4

第二章数据探索性分析6

2.1目标变量6

2.2特征分布6

2.3特征与标签相关性分析8

2.4离群点分析9

第三章数据预处理与特征工程10

3.1数据预处理10

3.2特征工程10

3.3特征选择-PIMP12

第四章异常点检测办法14

4.1孤立森林算法简介14

4.2实验验证15

4.3异常点检测的使用建议16

第五章模型设计与分析17

5.1LightGBM17

5.1.1LightGBM原理17

5.1.2模型优化思路17

5.1.3实验结果18

5.2神经网络20

5.2.1神经网络原理20

5.2.2神经网络搭建21

5.2.3实验结果22

5.3Catboost22

5.3.1Catboost原理22

5.3.2实验结果22

5.4Logistic回归23

5.4.1Logistic回归原理23

5.4.2实验结果24

5.5模型运行时间对比24

5.6模型的融合示意图25

总结26

参考文献27

1.1行文思路及框架

本文对信用卡交易过程的中的欺诈行为进行预测，使用AURPC作为评估模型对欺诈概率的预测的效果。主要经过数据探索、特征工程、异常点检验、模型建立、模型评