回顾

Python 中的欺诈检测

Charlotte Werger

Data Scientist

处理不平衡数据

• 处理高度不平衡的欺诈数据
• 学会如何对数据进行重采样
• 了解不同的重采样方法

有标签的欺诈检测

• 回顾用于欺诈检测的监督学习技术
• 学会获取可靠的性能指标，并处理精确率-召回率权衡
• 探索如何优化模型参数以应对欺诈数据
• 将集成方法应用于欺诈检测

无标签的欺诈检测

• 了解分群/细分的重要性
• 回顾聚类方法
• 学会用 K-means 通过离群点和小簇检测欺诈
• 应用 DBSCAN 聚类进行欺诈检测

用于欺诈检测的文本挖掘

• 掌握用文本挖掘增强欺诈分析
• 用关键词搜索标记特定词汇，并学习主题建模用于欺诈检测
• 学会高效清洗脏文本数据

进一步学习方向：欺诈检测

• 用网络分析进行欺诈检测
• 各类有监督与无监督技术（如神经网络）
• 处理超大规模数据

课程结束

Python 中的欺诈检测