信用卡欺诈检测系统

这是什么？

这是一个检测信用卡欺诈的程序。它通过学习大量的交易数据，找出可疑的欺诈交易。

数据特点和处理

1. 数据不平衡：

   • 正常交易很多，欺诈交易很少（比如1000笔里只有1笔是欺诈）
   • 解决方法：给欺诈交易更大的权重（pos_weight=10.0）

2. 特征处理：

   • 对金额、时间等数字进行标准化（变成0附近的数）
   • 把所有特征转成电脑容易理解的格式（StandardScaler处理）

学习过程

1. 批量学习：

   • 每次拿10000笔交易一起学习（batch_size=10000）
   • 这样学习更快，也更稳定

2. 重点关注：

   • 用特殊的计分方式（BCEWithLogitsLoss）
   • 让程序更关注欺诈交易
   • 宁可多怀疑，也不放过

3. 动态调整：

   • 学习速度会慢慢变慢（learning_rate从0.0001开始降低）
   • 找到最好的判断标准（自动调整threshold）
   • 保存最好的模型参数

判断标准

1. 召回率（Recall）：

   • 在所有真实欺诈中，找出了多少
   • 越高越好，说明漏掉的越少

2. 精确率（Precision）：

   • 在所有怀疑是欺诈的交易中，真正是欺诈的比例
   • 要保持在70%以上，避免误报太多

3. 平衡点：

   • 程序会自动找到最佳平衡点
   • 画出图表显示不同标准的效果

使用方法

1. 准备数据：

   data = load_dataset("credit-card-fraud")

2. 开始训练：

   python credit.py

3. 看结果：

   • 终端会显示训练进度
   • 保存的图表显示检测效果
   • threshold_metrics.png显示最佳判断标准

注意事项

1. 硬件要求：

   • 需要NVIDIA显卡
   • 内存8GB以上
   • 硬盘要有足够空间保存模型

2. 训练时间：

   • 完整训练要几个小时
   • 中间会自动保存最好的结果
   • 可以随时停止，下次继续

3. 效果判断：

   • 看召回率是否在提高
   • 精确率不要低于70%
   • 关注F1分数的变化趋势