用于检测欺诈的聚类方法

Python 中的欺诈检测

Charlotte Werger

Data Scientist

聚类：发现在数据中的模式

K-means 聚类：利用到聚类中心的距离

Python 中的 K-means 聚类

# Import the packages
from sklearn.preprocessing import MinMaxScaler
from sklearn.cluster import KMeans

# Transform and scale your data
X = np.array(df).astype(np.float)

scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)

# Define the k-means model and fit to the data
kmeans = KMeans(n_clusters=6, random_state=42).fit(X_scaled)

合适的簇数量

检查簇数量：

轮廓系数法
肘部法

clust = range(1, 10) 
kmeans = [KMeans(n_clusters=i) for i in clust]

score = [kmeans[i].fit(X_scaled).score(X_scaled) for i in range(len(kmeans))]

plt.plot(clust,score)
plt.xlabel('Number of Clusters')
plt.ylabel('Score')
plt.title('Elbow Curve')
plt.show()

肘部曲线

Passons à la pratique !

Python 中的欺诈检测