2311020116_CreditCardFraudDetection/data

数据来源说明

数据集信息

项目	说明
数据集名称	Credit Card Fraud Detection
数据来源	Kaggle
数据链接	https://www.kaggle.com/mlg-ulb/creditcardfraud
样本量	284,807 条
特征数	30 个（28个V特征、时间、金额）
标签数	1 个（Class: 0=正常, 1=欺诈）

数据描述

该数据集包含2013年9月欧洲持卡人通过信用卡进行的交易数据。数据集在两天内发生，其中包含492起欺诈交易。数据集高度不平衡，欺诈交易仅占所有交易的0.172%。

特征说明

• Time: 交易发生的时间（秒），相对于数据集中第一个交易的时间
• V1-V28: 经过PCA转换后的特征，为了保护用户隐私，原始特征已被匿名化处理
• Amount: 交易金额
• Class: 标签列，0表示正常交易，1表示欺诈交易

数据切分策略

本项目采用时间序列切分策略，按照交易发生的时间顺序将数据集划分为训练集和测试集：

• 训练集: 前80%的数据（按时间排序）
• 测试集: 后20%的数据（按时间排序）

这种切分策略的优势：

1. 符合实际应用场景，模型需要基于历史数据预测未来交易
2. 避免数据泄露，确保测试集的时间晚于训练集
3. 能够评估模型在时间序列上的泛化能力

数据预处理

1. 缺失值处理: 数据集无缺失值
2. 特征缩放: 仅在训练集上进行StandardScaler标准化，避免数据泄露
3. 不平衡处理: 使用SMOTE算法对训练集进行过采样，平衡正负样本比例

数据泄露风险防范

本项目严格遵循以下防泄露措施：

1. 时间切分: 按照时间顺序划分训练集和测试集
2. 特征缩放: 仅在训练集上计算缩放参数，然后应用到测试集
3. 采样处理: 仅在训练集上进行SMOTE过采样
4. 特征工程: 确保所有特征都是交易发生时可获得的信息

引用

如果使用此数据集，请引用：

Dal Pozzolo, A., Caelen, O., Le Borgne, Y. A., Waterschoot, S., & Bontempi, G. (2015). Learned lessons in credit card fraud detection from a practitioner perspective. Expert systems with applications, 41(10), 4915-4928.