Wird geladen...
Schwierigkeit
Dein bestes Ergebnis
N/V
Das Ziel dieser Aufgabe ist die Identifizierung von betrügerischen Kreditkartentransaktionen auf Basis eines realen, anonymisierten Datensatzes. Das Problem spiegelt ein reales Szenario wider, in dem die Daten stark unbalanciert sind und betrügerische Transaktionen selten vorkommen.
Das Projekt verwendet zwei CSV-Dateien:
train.csv - der Datensatz für das Trainingtest.csv - der Datensatz für das Testen| Spalte | Beschreibung |
|---|---|
| id | Eindeutige Kennung für jede Transaktion |
| Time | Anzahl der Sekunden, die seit der ersten Transaktion vergangen sind |
| V1 - V28 | Anonymisierte Merkmale |
| Amount | Transaktionsbetrag |
| Class | Zielvariable (0 = legitime Transaktion, 1 = Betrug) |
Hinweis: Die Spalte Class ist nur in train.csv verfügbar.
Wichtige Beobachtung: Der Datensatz ist stark unbalanciert, daher ist die Genauigkeit (accuracy) keine relevante Metrik für die Bewertung von Klassifikationsmodellen.
Bestimmen Sie, wie viele betrügerische Transaktionen einen Amount haben, der größer ist als der durchschnittliche Amount der legitimen Transaktionen.
Die Antwort ist eine Ganzzahl.
Bewerten Sie, wie „anormal“ die betrügerischen Transaktionen sind, indem Sie die Mahalanobis-Distanz verwenden, die alle numerischen Variablen gleichzeitig berücksichtigt (Amount + V1-V28).
Empfohlene Schritte:
Class = 1) aus train.csv aus.Sagen Sie für jede Transaktion in test.csv das Betrugslabel voraus:
1 = Betrug0 = legitime TransaktionHauptmetrik: F1-Score für Klasse 1.
| F1-Score | Punkte |
|---|---|
| F1 >= 0.85 | 80 Punkte |
| F1 < 0.60 | 0 Punkte |
| Dazwischen | Lineare Skalierung zwischen 0 und 80 |
Die Einreichungsdatei muss im CSV-Format mit den folgenden Spalten vorliegen:
| Spalte | Beschreibung |
|---|---|
| subtaskID | Nummer der Teilaufgabe (1, 2 oder 3) |
| datapointID | Kennung der Beobachtung |
| answer | Antwort oder Vorhersage |
Regeln:
datapointID = 1 (eine einzige Antwort).test.csv, wobei datapointID dem Wert aus der Spalte id entspricht.Beispiel:
subtaskID,datapointID,answer1,1,422,1,0.273,227846,13,227847,03,227848,0Hinweis: Die Lösung dieser Aufgabe erfordert nicht die Verwendung von Transformer-Architekturen.