זיהוי הונאות בכרטיסי אשראי

זיהוי הונאות בעסקאות בכרטיסי אשראי

מטרת בעיה זו היא לזהות עסקאות הונאה בכרטיסי אשראי על בסיס סט נתונים אמיתי ואנונימי. הבעיה משקפת תרחיש מהעולם האמיתי, שבו הנתונים אינם מאוזנים בצורה קיצונית ועסקאות הונאה הן נדירות.

סט הנתונים

הפרויקט משתמש בשני קובצי CSV:

• train.csv - סט הנתונים לאימון
• test.csv - סט הנתונים לבדיקה

הערה: העמודה Class זמינה רק ב-train.csv.

הערה חשובה: סט הנתונים אינו מאוזן באופן חמור, ולכן accuracy אינו מדד רלוונטי להערכת מודלי סיווג.

תתי-משימות (Subtasks)

תת-משימה 1 - ניתוח סטטיסטי של עסקאות (10 נקודות)

קבע כמה עסקאות הונאה הן בעלות Amount גבוה יותר מהממוצע של ה-Amount בעסקאות לגיטימיות.

התשובה היא מספר שלם.

תת-משימה 2 - מרחק מהלנוביס (Mahalanobis Distance) (10 נקודות)

הערך עד כמה עסקאות ההונאה הן "חריגות" באמצעות מרחק מהלנוביס, הלוקח בחשבון את כל המשתנים המספריים בו-זמנית (Amount + V1-V28).

שלבים מוצעים:

1. בחר את כל עסקאות ההונאה (Class = 1) מתוך train.csv.
2. חשב את וקטור הממוצע ואת מטריצת השונות המשותפת (covariance matrix) של העמודות המספריות.
3. חשב את מרחק מהלנוביס עבור כל עסקה.
4. דווח על הממוצע של מרחקי מהלנוביס, מעוגל ל-2 ספרות אחרי הנקודה.

תת-משימה 3 - זיהוי הונאה (80 נקודות)

עבור כל עסקה ב-test.csv, חזה את תווית ההונאה:

• 1 = הונאה
• 0 = עסקה לגיטימית

מדד עיקרי: F1-score על מחלקה 1.

פורמט קובץ ההגשה

קובץ ההגשה חייב להיות בפורמט CSV עם העמודות הבאות:

כללים:

• תת-משימה 1 ותת-משימה 2: datapointID = 1 (תשובה אחת בלבד).
• תת-משימה 3: חיזוי אחד לכל עסקה ב-test.csv, כאשר datapointID = הערך בעמודת ה-id.

דוגמה:

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

הערה: פתרון בעיה זו אינו מחייב שימוש בארכיטקטורות מסוג Transformer.