Алгоритми виявлення шахрайства в дії

Виявлення шахрайства в Python

Charlotte Werger

Data Scientist

Традиційне виявлення шахрайства за правилами

Виявлення шахрайства в Python

Недоліки систем на правилах

Системи на правилах мають обмеження:

  1. Фіксовані пороги в кожному правилі для визначення шахрайства
  2. Лише результат так/ні
  3. Не враховують взаємодію між ознаками
Виявлення шахрайства в Python

Чому використовувати машинне навчання для виявлення шахрайства?

  1. Моделі машинного навчання підлаштовуються під дані й можуть змінюватися з часом
  2. Використовують усі дані разом, а не пороги для кожної ознаки
  3. Можуть повертати бал, а не лише так/ні
  4. Зазвичай працюють краще й можуть поєднуватися з правилами

Виявлення шахрайства в Python

Коротке нагадування про моделі машинного навчання

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

# Крок 1: розділіть ознаки та мітки на тренувальні й тестові дані 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# Крок 2: визначте, яку модель використовувати 
model = LinearRegression()

# Крок 3: натренуйте модель на тренувальних даних 
model.fit(X_train, y_train)

# Крок 4: отримайте передбачення моделі на тестових даних
y_predicted = model.predict(X_test)

# Крок 5: порівняйте y_test із передбаченнями та обчисліть метрики якості
print (metrics.r2_score(y_test, y_predicted))

0.821206237313
Виявлення шахрайства в Python

Що ви робитимете в наступних розділах

  • Розділ 2. Навчання з учителем: натренуйте модель на наявних мітках шахрайства

  • Розділ 3. Навчання без учителя: визначайте «підозрілу» поведінку без міток, лише з даних

  • Розділ 4. Виявлення шахрайства за текстами: доповнюйте моделі текстовим аналізом і тематичним моделюванням

Виявлення шахрайства в Python

Давайте потренуємось!

Виявлення шахрайства в Python

Preparing Video For Download...