机器学习原理比较抽象，但从案例分析开始应用，就会变得有趣多了。

交易欺诈行为识别

由于极高的便捷性，网上交易已经成为当今社会最主流的交易方式，但也正是这个”优点”，交易欺诈类的新闻总是不绝于耳。为了提高交易系统的安全性，我们可以基于过往交易的数据建立一套欺诈行为识别模型，之后若有符合欺诈特征的交易动作发生，我们可以提前采取行动，减少损失。

• 导入数据

import pands as pd    
import numpy as np    
data=pd.read_csv("数据集路径”)   

• 数据预处理

  • 看一下数据集的头部

  data.head()

  step type amount ... newbalanceDest isFraud isFlaggedFraud
  0 1 PAYMENT 9839.64 ... 0.0 0 0
  1 1 PAYMENT 1864.28 ... 0.0 0 0
  2 1 TRANSFER 181.00 ... 0.0 1 0
  3 1 CASH_OUT 181.00 ... 0.0 1 0
  4 1 PAYMENT 11668.14 ... 0.0 0 0

  • 定义:

  1.step:耗时一个小时以上的步骤
  2.type:网上交易的类型
  3.amount：网上交易的总额
  4.nameOrig：交易发起人
  5.oldbalanceOrg:发起人交易前余额
  6.newbalanceOrg:发起人交易后余额
  7.nameDest:交易接收人
  8.oldbalanceDest:接收人交易前余额
  9.newbalanceDest:接收人交易后余额
  10.isFraud:欺诈交易

  • 检查数据集中是否有空白项

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

  • 按类别求总和

  print(data.type.value_counts())

  CASH_OUT 2237500
  PAYMENT 2151495
  CASH_IN 1399284
  TRANSFER 532909
  DEBIT 41432
  Name: type, dtype: int64

  • 设置关键参数

  type=data['type'].value_counts() #引用上一步得到的交易类型和每种类型的交易总额
  transactions=type.index #参数重命名
  quantity=type.values  #参数重命名                

• 绘制交易类型分布扇形图

import plotly.express as px
figure=px.pie(data,
           values=quantity,
           names=transactions,hole=0,5,
           title="Distribution of Transaction Type")
figure.show()

• 变量重命名（将各种属性都用数字代替，方便后续决策树的建立）

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

• 查看数据集中所有变量（属性）与欺诈与否（isFraud）的相关性

correlation=data.corr()#传入要检查相关性的数据集
print(correlation["isFraud"].sort_values(ascending=False))#将所有变量(属性）与欺诈与否（isFraud）相关性降序排列

返回：

isFraud 1.000000
amount 0.076688
isFlaggedFraud 0.044109
step 0.031578
oldbalanceOrg 0.010154
newbalanceDest 0.000535
oldbalanceDest -0.005885
newbalanceOrig -0.008148
Name: isFraud, dtype: float64

显然，交易额（amount），交易人是否被标注过欺诈（isFlaggedFraud），交易步骤（step）这四个变量（属性）与交易欺诈（isFraud）的相关性最大。

• 数据集划分

from sklearn.model_selection import train_test_split
x=np.array(data[["type","amount","oldbalanceOrg","newbalanceOrig"]])#选出四个与欺诈相关性最强的变量（属性）构成决策树的自变量，即构建划分属性
y=np.array(data[["isFraud"]])
xtrain,xtest,ytrain,ytest=train_test_split(x,y,test_size=0.1,random_state=42)#90%的数据做训练集，10%的数据做测试集

• 建立决策树分类器

from sklearn.tree import DecisionTreeClassifier
model=DecisionTreeClassifier()
model.fit(xtrain,ytrain)#用90%的数据集训练决策树
print(model.score(xtest,ytest)#用10%的数据集验证决策树，并返回拟合度

很顺利地返回：

0.9997391011878755

拟合准确度达到了99% ! 说明决策树模型构建地很成功。

• 预测

现在我们输入一组交易信息，让模型来预测这组交易是否存在欺诈行为。

features=np.array([[4,9000.60,9000.60,0.0]])
print(model.predict(features))

返回：

['Fraud']

说明这组交易很可能存在欺诈行为，需要针对性地采取行动。