用户网络欺诈行为检测数据建模项目
用户网络欺诈检测的实战项目资源包，挺适合想深入搞搞二分类模型的你。里面不仅有常用的机器学习算法对比实验，还有一份还不错的用户行为数据，适合练手做模型优化。
用户网络欺诈行为检测的项目挺全，数据是重点，有个用户信息.csv，里面交易记录、登录行为啥的都有，特征丰富，起来比较带感。
mian.py和metra.py两个脚本负责前期数据。数据清洗、特征工程都能靠它搞定，缺失值、异常值啥的都得挺干净，后续建模也顺手。
模型部分就更有料了，对比实验-xgboost.py、对比实验-LGBM.py、对比实验-knn.py这些文件分别用XGBoost、LightGBM、KNN等方法跑了对比实验，准确率、召回率、F1 分数都有展示，调参空间也大。
date_process.py时间字段还挺巧妙，考虑到了交易时间分布对欺诈的影响。像凌晨高频交易这种异常行为，模型能比较敏感地识别出来。
对了，如果你不确定数据格式，先看下数据读取测试.py，读取流程写得清楚，适合快速上手。脚本分工也挺合理，想跑哪种算法都能快速切入。
，这压缩包里的东西比较适合想搞清楚不同模型优劣的你，尤其是那种有点经验，想进一步精进的人。如果你最近刚好在做安全方向的数据建模，可以拿来直接改造做项目原型。
文件大小：1.55MB
评论区