最近度特徵

R 的詐欺偵測

Tim Verdonck

Professor Data Science at KU Leuven

驗證方式 vs 時間

recency_part1

時間間隔大

recency_part2

時間間隔小

recency_part3

異常行為

recency_part5

定義

$recency=exp(-\gamma\cdot t)=e^{-\gamma t}$
- $t$ = 相同事件連續兩次之間的時間間隔
- $\gamma$ = 調整參數，通常接近 0（例如 0.01、0.02、0.05）
- $0 \leq recency \leq 1$

最近度 vs 時間

recency_vs_time

如何選擇參數 $\gamma$？

（1）選定經過某段時間（$t$）後，最近度很小（如 0.01）
（2）計算 $\gamma=-log(recency)/t$
範例：設定 $\gamma$ 使得在 $t$ = 180 天後，recenty = 0.01
```
gamma <- -log(0.01)/180
print(gamma)
```

0.02558428

R 中的最近度特徵（步驟 1）

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

  n_t <- length(t)

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

  } else {
    time_diff <- t[1] - max(t[2:n_t][auth_cd[(n_t-1):1] == auth_cd[n_t]])
    # time-interval = current time - time of previous transfer with same auth_cd

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

}

R 中的最近度特徵（步驟 2）

（1） 選擇 $\gamma$ 的數值

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

（2） 使用 rollapply()、group_by() 與 mutate()

library(dplyr) # needed for group_by() and mutate()
library(zoo) # needed for rollapply()
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

以時間、頻率、最近度為基礎的特徵

features1

一起來練習吧！