Skip to content

1.Online Payments Fraud Detection with Machine Learning

Resource from: Online Payments Fraud Detection with Machine Learning

前言

使用機器學習進行線上支付詐騙檢測

為了使用機器學習來識別線上支付詐騙，我們需要訓練一個機器學習模型，用於區分詐騙和非詐騙支付。為此，我們需要一個包含有關線上支付詐騙資訊的資料集，以便了解哪些交易類型容易導致詐騙行為。為此任務，我從Kaggle收集了一個資料集，其中包含有關詐騙交易的歷史資訊，可用於檢測線上支付詐騙。以下是我在這裡使用的資料集中的所有欄位：

  • step：表示一個時間單位，其中1步等於1小時
  • type：線上交易的類型
  • amount：交易金額
  • nameOrig：發起交易的客戶
  • oldbalanceOrg：交易前的餘額
  • newbalanceOrig：交易後的餘額
  • nameDest：交易的接收者
  • oldbalanceDest：交易前接收者的初始餘額
  • newbalanceDest：交易後接收者的新餘額
  • isFraud：詐騙交易

希望您現在了解了我用於線上支付詐騙檢測任務的資料。接下來，在下面的部分，我將解釋如何使用Python來利用機器學習來檢測線上支付詐騙。

使用資料集

Resource

操作步驟
  1. 請由Resource登入Kaggle
  2. 按下New Notebook按鈕，會透過Kaggle生成一新的Notebook File
    Pasted image 20230726163007.png
  3. 根據Online Payments Fraud Detection with Machine Learning依照步驟在Notebook裡輸入程式碼並執行
  4. 從Data Card可以看到這一個資料集的內容，並可從Detail處看到這個資料集的各欄內容
    Pasted image 20230726165057.png
重點內容

程式碼的作用及步驟如下：

步驟
步驟 描述
1 載入資料並印出前幾筆觀測值。
2 列印資料中每個欄位的缺失值數量。
3 列印出 “Type” 欄位的各種值的計數。
4 使用 Plotly Express 繪製圓形圖以展示交易類別的分佈情況。
5 計算各個欄位與 “isFraud” 欄位的相關係數並按照降序排列。
6 將 “type” 和 “isFraud” 欄位的值映射成數字和文字標籤。
7 準備資料集並進行訓練與測試分割。
8 使用決策樹分類器進行模型訓練並計算準確度。
9 使用模型進行預測並輸出結果。
作用

  1. 載入資料並印出前幾筆觀測值：

    data = pd.read_csv("/kaggle/input/paysim1/PS_20174392719_1491204439457_log.csv")
print(data.head())

    這段程式碼載入CSV檔案中的資料並顯示前幾筆觀測值。

  2. 列印資料中每個欄位的缺失值數量：

    print(data.isnull().sum())

    這段程式碼列印出資料中每個欄位的缺失值數量。

  3. 列印出”Type”欄位的各種值的計數：

    print(data.type.value_counts())

    這段程式碼列印出”Type”欄位中各個類別的計數。

  4. 使用Plotly Express繪製圓形圖以展示交易類別的分佈情況：

    import plotly.express as px
figure = px.pie(data,
                values = quantity,
                names = transactions,
                hole = 0.5,
                title = "Distribution of Transaction Type"
               )
figure.show()

    這段程式碼使用Plotly Express來繪製圓形圖，用來顯示交易類別的分佈情況。

  5. 計算各個欄位與”isFraud”欄位的相關係數並按照降序排列：

    correlation = data.corr()
print(correlation["isFraud"].sort_values(ascending=False))

    這段程式碼計算各個欄位與”isFraud”欄位之間的相關係數，並將結果按照降序排列，從而瞭解它們之間的相關性。

  6. 將”type”和”isFraud”欄位的值映射成數字：

    data["type"] = data["type"].map({"CASH_OUT":1, "PAYMENT": 2, "CASH_IN": 3, "TRANSFER": 4, "DEBIT": 5})
data["isFraud"] = data["isFraud"].map({0: "No Fraud", 1: "Fraud"})
print(data.head())

    這段程式碼將”type”欄位中的交易類別映射成數字，同時將”isFraud”欄位中的0和1映射成”No Fraud”和”Fraud”，方便後續處理。

  7. 準備資料集並進行訓練與測試分割：

    from sklearn.model_selection import train_test_split
x = np.array(data[["type", "amount", "oldbalanceOrg", "newbalanceOrig"]])
y = np.array(data[["isFraud"]])
xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size = 0.10, random_state = 42)

    這段程式碼將資料分成特徵(x)和標籤(y)，然後使用train_test_split函數將資料集分成訓練集和測試集。
    test_size 是用來指定測試集的大小比例的參數。它決定了將多少比例的資料用於測試模型，而剩下的部分將用於訓練模型。這是訓練測試分割的一種方法，通常我們將資料集切分為訓練集和測試集，以評估模型的性能。

在這段程式碼中：

xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.10, random_state=42)

test_size=0.10 表示將資料集的 10% 用於測試，而 random_state=42 則是設定隨機數生成器的種子，確保每次切分的結果都是一樣的。

注意，test_size 的取值範圍應該在 0 到 1 之間，表示測試集所占的比例。如果設置為 0.2，則測試集將佔資料集的 20%，而訓練集將佔 80%。總之，這個值需要根據你的資料集大小和模型驗證的需求來選擇。

  1. 使用決策樹分類器進行模型訓練並計算準確度：

    from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier()
model.fit(xtrain, ytrain)
print(model.score(xtest, ytest))

    這段程式碼使用決策樹分類器進行模型訓練，然後使用測試集計算模型的準確度。

  2. 使用模型進行預測：

    #features = [type, amount, oldbalanceOrg, newbalanceOrig]
features = np.array([[4, 9000.60, 9000.60, 0.0]])
print(model.predict(features))

    這段程式碼使用已訓練好的模型對給定的特徵值進行預測，並輸出預測結果。

延伸Project

Last update : 13 novembre 2024
Created : 13 novembre 2024

Comments

Comments