Credit Card Fraud Detection

თაღლითობის გამოვლენა საკრედიტო ბარათების ტრანზაქციებში

ამ ამოცანის მიზანია საკრედიტო ბარათების თაღლითური ტრანზაქციების იდენტიფიცირება რეალურ, ანონიმურ მონაცემთა ბაზაზე დაყრდნობით. პრობლემა ასახავს რეალურ სცენარს, სადაც მონაცემები ძლიერ დაუბალანსებელია და თაღლითური ტრანზაქციები იშვიათია.

მონაცემთა ნაკრები

პროექტი იყენებს ორ CSV ფაილს:

• train.csv - მონაცემთა ნაკრები მოდელის მოსამზადებლად
• test.csv - მონაცემთა ნაკრები ტესტირებისთვის

შენიშვნა: სვეტი Class ხელმისაწვდომია მხოლოდ train.csv ფაილში.

მნიშვნელოვანი დაკვირვება: მონაცემთა ნაკრები მკვეთრად დაუბალანსებელია, ამიტომ accuracy (სიზუსტე) არ არის რელევანტური მეტრიკა კლასიფიკაციის მოდელების შესაფასებლად.

ქვედავალებები

ქვედავალება 1 - ტრანზაქციების სტატისტიკური ანალიზი (10 ქულა)

განსაზღვრეთ, რამდენი თაღლითური ტრანზაქციის Amount არის მეტი, ვიდრე ლეგიტიმური ტრანზაქციების საშუალო Amount.

პასუხი უნდა იყოს მთელი რიცხვი.

ქვედავალება 2 - Mahalanobis Distance (10 ქულა)

შეაფასეთ რამდენად "ანომალიურია" თაღლითური ტრანზაქციები Mahalanobis-ის მანძილის გამოყენებით, რომელიც ერთდროულად ითვალისწინებს ყველა რიცხვით ცვლადს (Amount + V1-V28).

შემოთავაზებული ნაბიჯები:

1. აირჩიეთ ყველა თაღლითური ტრანზაქცია (Class = 1) train.csv-დან.
2. გამოთვალეთ რიცხვითი სვეტების საშუალო ვექტორი და კოვარიაციული მატრიცა.
3. გამოთვალეთ Mahalanobis-ის მანძილი თითოეული ტრანზაქციისთვის.
4. დააფიქსირეთ Mahalanobis-ის მანძილების საშუალო, დამრგვალებული 2 მეათედამდე.

ქვედავალება 3 - თაღლითობის გამოვლენა (80 ქულა)

test.csv-ში მოცემული თითოეული ტრანზაქციისთვის იწინასწარმეტყველეთ თაღლითობის ნიშანი:

• 1 = თაღლითობა
• 0 = ლეგიტიმური ტრანზაქცია

მთავარი მეტრიკა: F1-score 1-ელ კლასზე.

წარდგენის ფაილის ფორმატი

წარდგენის ფაილი უნდა იყოს CSV ფორმატში შემდეგი სვეტებით:

წესები:

• ქვედავალება 1 და ქვედავალება 2: datapointID = 1 (მხოლოდ ერთი პასუხი).
• ქვედავალება 3: თითო პროგნოზი test.csv-ის თითოეული ტრანზაქციისთვის, სადაც datapointID = id სვეტის მნიშვნელობა.

მაგალითი:

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

შენიშვნა: ამ ამოცანის გადაჭრა არ მოითხოვს Transformer-ის ტიპის არქიტექტურების გამოყენებას.