Krediitkaardi pettuste tuvastamine

Pettuste tuvastamine krediitkaarditehingutes

Selle ülesande eesmärk on tuvastada petturlikud krediitkaarditehingud reaalse anonümiseeritud andmestiku põhjal. Probleem peegeldab reaalset stsenaariumi, kus andmed on tugevalt tasakaalustamata ja petturlikud tehingud on haruldased.

Andmestik

Projekt kasutab kahte CSV-faili:

• train.csv - treeningandmestik
• test.csv - testimisandmestik

Märkus: Veerg Class on saadaval ainult failis train.csv.

Oluline tähelepanek: Andmestik on tugevalt tasakaalustamata, seega täpsus (accuracy) ei ole klassifitseerimismudelite hindamiseks asjakohane meetrika.

Alamülesanded

Alamülesanne 1 - Tehingute statistiline analüüs (10 punkti)

Määra, kui paljude petturlike tehingute Amount on suurem kui legitiimsete tehingute keskmine Amount.

Vastus on täisarv.

Alamülesanne 2 - Mahalanobise kaugus (10 punkti)

Hinda, kui "ebatavalised" on petturlikud tehingud, kasutades Mahalanobise kaugust, mis võtab arvesse kõiki numbrilisi muutujaid korraga (Amount + V1-V28).

Soovitatavad sammud:

1. Vali kõik petturlikud tehingud (Class = 1) failist train.csv.
2. Arvuta numbriliste veergude keskmine vektor ja kovariatsioonimaatriks.
3. Arvuta iga tehingu jaoks Mahalanobise kaugus.
4. Esita Mahalanobise kauguste keskmine, ümardatuna 2 komakohani.

Alamülesanne 3 - Pettuse tuvastamine (80 punkti)

Ennusta iga test.csv failis oleva tehingu kohta pettuse silt:

• 1 = pettus
• 0 = legitiimne tehing

Põhimeetrika: F1-skoor klassi 1 kohta.

Esitamise faili formaat

Esitatav fail peab olema CSV-vormingus järgmiste veergudega:

Reeglid:

• Alamülesanne 1 ja Alamülesanne 2: datapointID = 1 (üks vastus).
• Alamülesanne 3: üks ennustus iga test.csv tehingu kohta, kus datapointID = veeru id väärtus.

Näide:

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

Märkus: Selle probleemi lahendamine ei nõua Transformer-tüüpi arhitektuuride kasutamist.