使用机器学习的信用卡欺诈检测 信用卡欺诈是一个日益严重的问题,面临许多挑战,包括时间漂移和严重的阶级失衡。 该项目尝试使用包括自适应合成采样方法(ADASYN)和合成少数采样率(SMOTE)在内的最新技术来解决班级不平衡问题。 2013年9月在欧洲进行的超过280k真实交易[1]被用作训练数据集。 比较了三种类型的机器学习模型:随机森林,支持向量机和多层感知器。 结果表明,不平衡数据集的最佳采样方法取决于数据集和所使用的模型。 该项目包含以下组件: a)PDF格式的IEEE风格论文 b)Jupyter Notebook进行了机器学习测试。 您可以运行视图并自己运行它们。 还包括注释,推理和