Credit Card Fraud Detection

Upptäckt av bedrägerier i kreditkortstransaktioner

Syftet med detta problem är att identifiera bedrägliga kreditkortstransaktioner baserat på en anonymiserad, verklig datamängd. Problemet återspeglar ett verkligt scenario där data är kraftigt obalanserad och bedrägliga transaktioner är sällsynta.

Datamängden

Projektet använder två CSV-filer:

• train.csv - datamängd för träning
• test.csv - datamängd för testning

Notera: Kolumnen Class är endast tillgänglig i train.csv.

Viktig observation: Datamängden är kraftigt obalanserad, så accuracy är inte ett relevant mått för att utvärdera klassificeringsmodeller.

Deluppgifter

Deluppgift 1 - Statistisk analys av transaktioner (10 poäng)

Bestäm hur många bedrägliga transaktioner som har ett Amount som är större än genomsnittligt Amount för legitima transaktioner.

Svaret är ett heltal.

Deluppgift 2 - Mahalanobis-avstånd (10 poäng)

Utvärdera hur "onormala" de bedrägliga transaktionerna är genom att använda Mahalanobis-avstånd, som tar hänsyn till alla numeriska variabler samtidigt (Amount + V1-V28).

Föreslagna steg:

1. Välj alla bedrägliga transaktioner (Class = 1) från train.csv.
2. Beräkna medelvärdesvektorn och kovariansmatrisen för de numeriska kolumnerna.
3. Beräkna Mahalanobis-avståndet för varje transaktion.
4. Rapportera medelvärdet av Mahalanobis-avstånden, avrundat till 2 decimaler.

Deluppgift 3 - Upptäckt av bedrägeri (80 poäng)

För varje transaktion i test.csv, förutsäg bedrägerietiketten:

• 1 = bedrägeri
• 0 = legitim transaktion

Huvudmått: F1-score på klass 1.

Format för inlämningsfil

Inlämningsfilen ska vara i CSV-format med följande kolumner:

Regler:

• Deluppgift 1 och Deluppgift 2: datapointID = 1 (endast ett svar).
• Deluppgift 3: en förutsägelse för varje transaktion i test.csv, med datapointID = värdet i kolumnen id.

Exempel:

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

Notera: Lösningen på detta problem kräver inte användning av Transformer-arkitekturer.