Kredītkaršu krāpniecības noteikšana

Krāpniecības noteikšana kredītkaršu darījumos

Šīs problēmas mērķis ir identificēt krāpnieciskus kredītkaršu darījumus, pamatojoties uz reālu, anonimizētu datu kopu. Problēma atspoguļo reālās pasaules scenāriju, kurā dati ir stipri nelīdzsvaroti un krāpnieciski darījumi ir reti.

Datu kopa

Projektā tiek izmantoti divi CSV faili:

• train.csv - datu kopa apmācībai
• test.csv - datu kopa testēšanai

Piezīme: Kolonna Class ir pieejama tikai failā train.csv.

Svarīgs novērojums: Datu kopa ir krasi nelīdzsvarota, tāpēc precizitāte (accuracy) nav atbilstoša metrika klasifikācijas modeļu novērtēšanai.

Apakšuzdevumi

1. apakšuzdevums - Darījumu statistiskā analīze (10 punkti)

Nosakiet, cik krāpnieciskiem darījumiem Amount ir lielāks par leģitīmo darījumu vidējo Amount vērtību.

Atbilde ir vesels skaitlis.

2. apakšuzdevums - Mahalanobisa attālums (10 punkti)

Novērtējiet, cik "anomāli" ir krāpnieciskie darījumi, izmantojot Mahalanobisa attālumu (Mahalanobis Distance), kas vienlaikus ņem vērā visus skaitliskos mainīgos (Amount + V1-V28).

Ieteicamie soļi:

1. Atlasiet visus krāpnieciskos darījumus (Class = 1) no train.csv.
2. Aprēķiniet skaitlisko kolonnu vidējo vektoru un kovariācijas matricu.
3. Aprēķiniet Mahalanobisa attālumu katram darījumam.
4. Norādiet Mahalanobisa attālumu vidējo vērtību, noapaļotu līdz 2 zīmēm aiz komata.

3. apakšuzdevums - Krāpniecības noteikšana (80 punkti)

Katram darījumam no test.csv prognozējiet krāpniecības pazīmi:

• 1 = krāpniecība
• 0 = leģitīms darījums

Galvenā metrika: F1-score 1. klasei.

Iesniegšanas faila formāts

Iesniegšanas failam jābūt CSV formātā ar šādām kolonnām:

Noteikumi:

• 1. un 2. apakšuzdevums: datapointID = 1 (viena atbilde).
• 3. apakšuzdevums: viena prognoze katram darījumam no test.csv, kur datapointID = vērtība no kolonnas id.

Piemērs:

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

Piezīme: Šīs problēmas risināšanai nav nepieciešams izmantot Transformer tipa arhitektūras.