Yenilik (recency) özellikleri

R ile Dolandırıcılık Tespiti

Tim Verdonck

Professor Data Science at KU Leuven

Kimlik doğrulama yöntemi ve zaman

recency_part1

Büyük zaman aralığı

recency_part2

Küçük zaman aralığı

recency_part3

Sıfır yenilik (recency)

recency_part4

Anormal davranış

recency_part5

Tanım

$recency=exp(-\gamma\cdot t)=e^{-\gamma t}$
- $t$ = aynı türden ardışık iki olay arasındaki zaman aralığı
- $\gamma$ = ayar parametresi, genelde 0'a yakın (ör. 0.01, 0.02, 0.05)
- $0 \leq recency \leq 1$

Yenilik (recency) ve zaman

recency_vs_time

Parametre $\gamma$ nasıl seçilir?

(1) Belirli bir süre ($t$) sonra yenilik küçük olsun (ör. 0.01) diye seç
(2) $\gamma=-log(recency)/t$ hesapla
Örnek: $t$ = 180 gün sonra recency = 0.01 olacak şekilde $\gamma$ ayarla
```
gamma <- -log(0.01)/180
print(gamma)
```

0.02558428

R'da recency özelliği (adım 1)

recency_fun <- function(t, gamma, auth_cd, freq_auth) {

  n_t <- length(t)

  if (freq_auth[n_t] == 0) {
    recency <- 0 # frequency = 0 iken recency = 0

  } else {
    time_diff <- t[1] - max(t[2:n_t][auth_cd[(n_t-1):1] == auth_cd[n_t]])
    # zaman aralığı = mevcut zaman - aynı auth_cd ile önceki transferin zamanı

    recency <- exp(-gamma * time_diff)
  }
  return(recency)

}

R'da recency özelliği (adım 2)

(1) $\gamma$ değeri seç

gamma <- -log(0.01)/180 # = 0.0256

(2) rollapply(), group_by() ve mutate() kullan

library(dplyr) # group_by() ve mutate() için gerekli
library(zoo) # rollapply() için gerekli
trans <- trans %>% group_by(account_name) %>%
    mutate(rec_auth = rollapply(timestamp,
                               width = list(0:-length(transfer_id)),
                               partial = TRUE,
                               FUN = recency_fun,
                               gamma, authentication_cd, freq_auth))

   account_name timestamp authentication_cd rec_auth fraud_flag
1           Bob     44.25              AU02    0.000          0
2         Alice     54.12              AU03    0.000          0
3           Bob     57.45              AU04    0.000          0
4           Bob     64.29              AU02    0.599          0
5         Alice     64.29              AU03    0.771          0
6           Bob     64.29              AU02    1.000          0
7         Alice     70.25              AU03    0.859          0
8           Bob     70.25              AU02    0.859          0
9         Alice     74.08              AU01    0.000          0
...         ...       ...               ...      ...        ...
37          Bob    407.17              AU02    0.002          0
38        Alice    420.17              AU03    0.717          0
39          Bob    441.34              AU03    0.000          1
40        Alice    443.24              AU04    0.000          1

Zaman, sıklık ve yenilik (recency) temelli özellikler

features1

Hadi pratik yapalım!

R ile Dolandırıcılık Tespiti