IEEE-CIS Fraud Detection-支付欺诈数据，金融欺诈, 可用于支付欺诈分析的数据库数据

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

IEEE-CIS Fraud Detection-支付欺诈数据，可用于支付欺诈分析数据

交易表Transaction.csv
包含了交易信息，还包括转账，礼品和服务交易，比如你为其他人订票等。
TransactionDT: 时间戳。第一个值是86400，它对应于一天中的秒数（60 * 60 * 24 = 86400），所以单位是秒。 因为最大值为15811131，我们知道数据跨度为6个月，相当于183天。
TransactionAMT: 美元为单位的交易金额。同时，有的数据有3位小数，并且对应的地址为空，猜测可能是外币交易。
ProductCD: 每条交易的产品编码
card1 - card6: 付款卡的信息，比如卡片种类，发行银行和国家等。
addr: 地址信息。地址的两列均是购买者的地址信息，addr1是地区，addr2是国家。
dist: 某种距离。包括但不限于帐单地址，邮寄地址，邮政编码，IP地址，电话区域等之间的距离。
P_ and (R__) emaildomain: 购买者和收款人的邮箱域名，一些交易不需要收款人，所以R__emaildomain为空。
C1-C14: 加密后的某计数项，例如发现与支付卡关联的地址数等。
D1-D15: t时间戳，例如和前一次交易之间的天数等。
M1-M9: 匹配信息，例如卡上的姓名和地址等。
Vxxx: Vesta生成的丰富的特征，包括排名，计数和其他实体关系。例如，与IP和电子邮件或地址相关联的支付卡在24小时内出现了多少次，等等。所有Vesta这些特征都是以数字形式给出的，里面的一些特征可能是分类特征编码后给出的值。
以上其中分类特征包括：ProductCD，card1 - card6，addr1, addr2，Pemaildomain Remaildomain，M1 - M9。
训练数据中已经有Fraud标签，1代表欺诈，0代表非欺诈。你需要给测试数据判断是否存在欺诈行为，并打上Fraud=0或者1的标签.

反欺诈（Fraud Detection）通常是一个二类分类问题，即通过对已标签的交易（Transaction）信息建模，来预测未来的交易。反欺诈在各行各业都起着重要的作用，比如银行通过信用卡交易信息来判断次交易是否为盗刷；支付宝通过分析用户行为特征等进行实时风险对抗，在数亿交易中准确识别用户被骗支付的欺诈风险交易；甚至在奢侈品领域，也已经有通过对顾客消费行为来判断是否为职业打假人等等。





IEEE-CIS Fraud Detection-支付欺诈数据，可用于支付欺诈分析数据.rar (68.59 MB, 需要: RMB 49 元)

2020-8-12 12:43:34 上传

data
需要: RMB 49 元  [购买]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

关键词：detection Detect 数据库数据 fraud IEEE

在苦B中苦苦寻找，哈哈。。。。。。
多谢分享！