Algoritmy pro odhalování podvodů v praxi

Detekce podvodů v Pythonu

Charlotte Werger

Data Scientist

Tradiční odhalování podvodů pomocí systémů založených na pravidlech

Nevýhody systémů založených na pravidlech

Systémy založené na pravidlech mají svá omezení:

Pevné prahy pro každé pravidlo určující podvod
Omezeny na výsledky ano/ne
Nezachycují interakce mezi příznaky

Proč používat strojové učení pro odhalování podvodů?

Modely strojového učení se přizpůsobují datům a mohou se v čase měnit
Využívají všechna data společně, nikoli prah pro každý příznak
Poskytují skóre místo odpovědi ano/ne
Zpravidla dosahují lepšího výkonu a lze je kombinovat s pravidly

Opakování modelů strojového učení

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn import metrics

# Step 1: split your features and labels into train and test data 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# Step 2: Define which model you want to use 
model = LinearRegression()

# Step 3: Fit the model to your training data 
model.fit(X_train, y_train)

# Step 4: Obtain model predictions from your test data
y_predicted = model.predict(X_test)

# Step 5: Compare y_test to predictions and obtain performance metrics
print (metrics.r2_score(y_test, y_predicted))

0.821206237313

Co vás čeká v dalších kapitolách

Kapitola 2. Supervised learning: trénování modelu pomocí existujících označení podvodů
Kapitola 3. Unsupervised learning: určení „podezřelého" chování bez označení
Kapitola 4. Odhalování podvodů z textových dat: rozšíření modelů pomocí text miningu a topic modelingu

Pojďme procvičovat!

Detekce podvodů v Pythonu