2022钉钉杯A题思路及代码：银行卡电信诈骗危险预测

1、题目背景

一、问题背景：
数字支付正在发展，但网络犯罪也在发展。电信诈骗案件持续高发，消费者 受损比例持续走高。报告显示，64%的被调查者曾使用手机号码同时注册多个账户，包括金融类账户、社交类账户和消费类账户等，其中遭遇过电信诈骗并发生 损失的比例过半。用手机同时注册金融类账户及其他账户，如发生信息泄露，犯 罪分子更易接管金融支付账户盗取资金。
随着移动支付产品创新加快，各类移动支付在消费群体中呈现分化趋势，第三方支付的手机应用丰富的场景受到年轻人群偏爱，支付方式变多也导致个人信 息也极易被不法分子盗取。根据数据泄露指数，每天有超过 500 万条记录被盗， 这一令人担忧的统计数据表明 - 对于有卡支付和无卡支付类型的支付，欺诈仍 然非常普遍。
在今天的数字世界，每天有数万亿的银行卡交易发生，检测欺诈行为的发生 是一个严峻挑战。
二、数据描述：
该数据来自一些匿名的数据采集机构，数据共有七个特征和一列类标签。下 面对数据特征进行一些简单的解释（每列的含义对我们来说并不重要，但对于机 器学习来说，它可以很容易地发现含义。它有点抽象，但并不需要真正了解每个 功能的真正含义。只需了解如何使用它以便您的模型可以学习。许多数据集，尤 其是金融领域的数据集，通常会隐藏一条数据所代表的内容，因为它是敏感信息。 数据所有者不想让他人知道，并且数据开发人员从法律上讲也无权知道）
➢  distance_from_home：银行卡交易地点与家的距离；
➢  distance_from_last_transaction：与上次交易发生的距离；
➢  ratio_to_median_purchase_price：近一次交易与以往交易价格中位数的比率；
➢  repeat_retailer：交易是否发生在同一个商户；
➢  used_chip：是通过芯片（银行卡）进行的交易；
➢  used_pin_number：交易时是否使用了 PIN码；
➢  online_order：是否是在线交易订单；
➢  fraud：诈骗行为（分类标签）；
三、解决问题：
1) 使用多种用于数据挖掘的机器学习模型对给定数据集进行建模；
2) 对样本数据进一步挖掘分析，通过交叉验证、网格调优对不同模型的参数进行调整，寻找最优解，将多个最优模型进行进一步比较；
3) 通过对 precision（预测精度）、recall（召回率）、f1-score（F1 分 数值）进行计算，给出选择某一种预测模型的理由；
4) 将模型性能评价通过多种作图方式进行可视化

2、整体思路与得分点讲解

这道题就是一个分类题，没有其他问题，因此就是一个标准的机器学习回归流程，具体流程如下所示：

重点注意一些加分项：

• 【选择模型】使用多个模型进行比较
• 【超参数调优】利用启发式算法寻找最优解
• 【样本均衡】合理性与效果

3、具体求解步骤

step1:读取附件数据；

可以用pandas读取附件数据，数据很标准，可以看到一共有100W行数据，8列数据

step2:数据可视化分析；

这里大家可以通过饼图、频率分布直方图、箱线图自行绘图，查看数据分布

step3&4: 缺失值处理&异常值处理；

进行缺失值与异常值处理，一般广义上，缺失值也被认为是异常值（空值不就是异常数值么），可以先识别出异常值，通过百分位识别法、3σ识别法均可，然后再采用填充。

step5:特征构建

可以采用分箱和分区

有时候，将数值型属性转换成类别呈现更有意义，同时能使算法减少噪声的干扰，通过将一定范围内的数值划分成确定的块。举个例子，我们预测一个人是否拥有某款衣服，这里年龄是一个确切的因子。其实年龄组是更为相关的因子，所以我们可以将年龄分布划分成1-10,11-18,19-25,26-40等年龄段，分别表示 幼儿，青少年，青年，中年四个年龄组，让相近的年龄组表现出相似的属性。此外，我们还可以对分箱，分区做一些统计量字段作为数据的特征。

step6:特征筛选

可以参考SPSSPRO的特征筛选

step7:样本均衡

step8:拆分训练集和测试集

、

step9:选择模型

step9:超参数调优

step10：模型评价