信用卡诈骗检测

该数据集包含 2013 年 9 月欧洲持卡人的信用卡交易记录。此数据集呈现了两天内发生的交易，在 284,807 笔交易中，有 492 笔为欺诈交易。该数据集存在严重的不平衡问题，正类（欺诈交易）占所有交易的 0.172%。数据集中仅包含数值型输入变量，这些变量是主成分分析（PCA）变换的结果。遗憾的是，由于保密问题，我们无法提供原始特征以及更多关于该数据的背景信息。特征 V1、V2……V28 是通过 PCA 获得的主成分，未经过 PCA 变换的特征只有 “时间（Time）” 和 “金额（Amount）”。“时间” 特征包含每笔交易与数据集中第一笔交易之间的秒数差值。“金额” 特征即交易金额，该特征可用于例如依赖于实例的成本敏感学习。“类别（Class）” 特征是目标变量，若为欺诈交易则取值为 1，否则为 0。鉴于类别不平衡的比例，我们建议使用精确率 - 召回率曲线下面积（AUPRC）来衡量准确率。对于不平衡分类问题，混淆矩阵准确率并无实际意义。