Credit Card Fraud Detection

Detektering af svindel i kreditkorttransaktioner

Formålet med denne opgave er at identificere svigagtige kreditkorttransaktioner baseret på et reelt, anonymiseret datasæt. Problemet afspejler et scenarie fra den virkelige verden, hvor data er stærkt ubalancerede, og svigagtige transaktioner er sjældne.

Datasættet

Projektet anvender to CSV-filer:

• train.csv - datasæt til træning
• test.csv - datasæt til test

Bemærk: Kolonnen Class er kun tilgængelig i train.csv.

Vigtig observation: Datasættet er alvorligt ubalanceret, så accuracy er ikke en relevant metrik til evaluering af klassifikationsmodeller.

Subtasks

Subtask 1 - Statistisk analyse af transaktioner (10 point)

Bestem hvor mange svigagtige transaktioner der har et Amount, der er større end gennemsnittet af Amount for legitime transaktioner.

Svaret er et heltal.

Subtask 2 - Mahalanobis Distance (10 point)

Evaluer hvor "anormale" de svigagtige transaktioner er ved hjælp af Mahalanobis-distancen, som tager højde for alle numeriske variabler samtidigt (Amount + V1-V28).

Foreslåede trin:

1. Vælg alle svigagtige transaktioner (Class = 1) fra train.csv.
2. Beregn middelværdivektoren og kovariansmatrixen for de numeriske kolonner.
3. Beregn Mahalanobis-distancen for hver transaktion.
4. Rapporter gennemsnittet af Mahalanobis-distancerne, afrundet til 2 decimaler.

Subtask 3 - Detektering af svindel (80 point)

For hver transaktion i test.csv skal du forudsige svindel-mærkatet:

• 1 = svindel
• 0 = legitim transaktion

Hovedmetrik: F1-score på klasse 1.

Format for indsendelsesfil

Indsendelsesfilen skal være i CSV-format med følgende kolonner:

Regler:

• Subtask 1 og Subtask 2: datapointID = 1 (ét enkelt svar).
• Subtask 3: én forudsigelse for hver transaktion i test.csv, med datapointID = værdien fra kolonnen id.

Eksempel:

1subtaskID,datapointID,answer21,1,4232,1,0.2743,227846,153,227847,063,227848,0

Bemærk: Løsning af denne opgave kræver ikke brug af Transformer-arkitekturer.