lead-ai-labs/fraud-detection-Table-data

该数据集提供结构化的事务型表格数据，用于欺诈检测、金融风险评分和可信AI模型开发。数据集专为二元欺诈分类的机器学习实验设计，包含时间、匿名化数值特征（V1至V28）、交易金额和目标标签（0表示正常交易，1表示欺诈交易）等列。适用于信用欺诈检测、金融风险预测、可解释AI研究和可信机器学习演示等多个应用场景。目标用户包括从事欺诈检测和金融AI系统研究的学生、研究人员、机器学习工程师和AI产品开发者。数据集仅限用于研究、教育和演示目的，不应作为实际金融审批、欺诈指控或客户风险决策的唯一工具。--- 许可协议: cc-by-4.0 任务类别: - 表格分类（tabular-classification） 语言: - 英语（en） 标签: - 欺诈检测（fraud-detection） - 信用卡欺诈（credit-card-fraud） - 金融AI（financial-ai） - 可信AI（trustworthy-ai） - 可解释AI（explainable-ai） - Lead.AI 展示名称: Lead.AI 欺诈检测表格数据集 样本量范围: - 10K < n < 100K --- # Lead.AI 欺诈检测表格数据集 本数据集提供结构化交易型表格数据，可应用于欺诈检测、金融风险评分及可信AI模型研发。 ## 数据集用途 本数据集专为二元欺诈分类的机器学习实验设计。 ## 数据字段 - `Time` — 交易时间值 - `V1` 至 `V28` — 经匿名化处理的数值型交易特征 - `Amount` — 交易金额 - `Class` — 目标标签 - `0` = 正常交易 - `1` = 欺诈交易 ## 应用场景 - 信用卡欺诈检测 - 金融风险预测 - 可解释AI研究 - 可信AI机器学习示范 - Lead.AI 自动化模型测试 ## 适用人群 本数据集适用于开展欺诈检测与金融AI系统研发的学生、研究人员、机器学习工程师及AI产品构建者。 ## 伦理使用规范 本数据集仅可用于研究、教育及示范用途。未经适当验证、合规审查及人工监督，不得将其作为唯一决策依据，用于实际金融审批、欺诈认定或客户风险决策。 ## 引用格式 若使用本数据集，请引用以下文献： Arun Kumar Gharami. Lead.AI Fraud Detection Table Data. Hugging Face Datasets, 2026. ## 作者信息 **Lead.AI 实验室——智能自动化与可信AI系统团队** 由 Arun Kumar Gharami 创建