Credit Card Fraud Detection

Oppdagelse av svindel i kredittkorttransaksjoner

Målet med denne oppgaven er å identifisere svindeltransaksjoner med kredittkort basert på et reelt, anonymisert datasett. Problemet gjenspeiler et scenario fra den virkelige verden, der dataene er sterkt ubalanserte og svindeltransaksjoner er sjeldne.

Datasettet

Prosjektet bruker to CSV-filer:

• train.csv - datasett for trening
• test.csv - datasett for testing

Merk: Kolonnen Class er kun tilgjengelig i train.csv.

Viktig observasjon: Datasettet er svært ubalansert, så nøyaktighet (accuracy) er ikke en relevant beregning for å evaluere klassifiseringsmodeller.

Deloppgaver

Deloppgave 1 - Statistisk analyse av transaksjoner (10 poeng)

Bestem hvor mange svindeltransaksjoner som har et Amount som er større enn gjennomsnittlig Amount for legitime transaksjoner.

Svaret er et heltall.

Deloppgave 2 - Mahalanobis Distance (10 poeng)

Evaluer hvor "unormale" svindeltransaksjonene er ved å bruke Mahalanobis-avstand, som tar hensyn til alle numeriske variabler samtidig (Amount + V1-V28).

Foreslåtte trinn:

1. Velg alle svindeltransaksjoner (Class = 1) fra train.csv.
2. Beregn gjennomsnittsvektoren og kovariansmatrisen for de numeriske kolonnene.
3. Beregn Mahalanobis-avstanden for hver transaksjon.
4. Rapporter gjennomsnittet av Mahalanobis-avstandene, avrundet til 2 desimaler.

Deloppgave 3 - Deteksjon av svindel (80 poeng)

For hver transaksjon i test.csv, forutsi svindelmerket:

• 1 = svindel
• 0 = legitim transaksjon

Hovedmetrikk: F1-score på klasse 1.

Format for innsendingsfil

Innsendingsfilen må være i CSV-format med følgende kolonner:

Regler:

• Deloppgave 1 og Deloppgave 2: datapointID = 1 (ett enkelt svar).
• Deloppgave 3: én prediksjon for hver transaksjon i test.csv, med datapointID = verdien fra id-kolonnen.

Eksempel:

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

Merk: Løsningen av denne oppgaven krever ikke bruk av Transformer-arkitekturer.