构建机器学习模型进行信用卡反欺诈预测！

学习是最难掌握的，但如果不学习，你我永远无法成长。多年来，作者尝试了不同的东西，并且发现只有通过实践才能更好的学习，而不只是通过阅读。无论何时，当作者尝试构建一些东西（在本例中是机器学习模型）时，会遇到错误或陷入现实世界中可能发生的"陷阱"。毕竟，理想中的世界是不存在的。所以为了帮助大家了解机器学习模型，作者将建立一个机器学习模型来预测信用卡诈骗。

最近作者在Udemy上学习了关于机器学习的相关课程。如果你刚刚涉猎这个领域，你可以去看看。作者认为他们的教学方式很独特。通过他们，学到了一些基本的机器学习模型。本文将放出亲自操作的步骤，让大家有更加直观的感受。这里将使用Kaggle数据集，下载地址：（https://www.kaggle.com/mlg-ulb/creditcardfraud/data）。他还下载了Anaconda以便加载该模型的所有相关包（https://www.anaconda.com/download/）。也将在本文中使用Anaconda附带的SpyderIDE。

当然，首先是创建一个python文件，并将其放在与DataSet相同的目录中。

现在第一个问题是，你如何建立一个机器学习模型？让我们回忆一下我们要干什么。我们是要建立一个机器学习模型来预防信用卡诈骗，其中诈骗是(1)安全是(0)。因此，很明显，这是一个分类问题，有太多的模型可供选择。但是让我们看一下数据，我们会注意到，这里有很多数据，大约二十九个不同的自变量和超过二十万的观测量。所以我们必须排除昂贵的计算模型。接下来，我们看到变量没有标签，很难知道它们是否相关。这加大了我们选择模型的难度，因为有些方法需要所有变量都是完全独立的。作者个人认为我们可以考虑使用逻辑回归进行分类，因为它可以很容易地处理大量的数据，并能很好地处理非线性数据。

在此之前，让我们先看看逻辑回归是如何工作的：在逻辑回归中，我们创建了一个逻辑曲线，其上界为1，下界为0。这条曲线的X轴是自变量，我们用这条曲线得到一个在0-1之间发生的自变量的概率值。如果这个值大于0.5，我们可以说它比0更有可能成为1，所以它被归类为1，反之亦然。你可以看看下面的图片。

现在，没有相关的库，你就不能真正建立一个模型。但也不是不可以，只不过这无疑会增加难度。所以，让我们使用import pandas吧，它可以处理数据的输入和分割。

接下来，我们将使用pandas导入数据，我们还将在DataSet上使用"iloc[].value"命令来提取X和y变量。用于此的代码如下所示：

确保.csv文件名正确！ "："的意思为在X矩阵中都遵循以下要求。另外，pandas应该导入所有行和所有列，除了最后一个列，因为最后一列是因变量。对y来说，pandas应该输入所有行，但代码中只有30行而不是31行的原因是Pyton从0开始而不是从1开始。作者第一次尝试的时候，花了五分钟才弄清这个原因。

下一步是将数据集拆分为训练集和测试集。这可以使用"skLearning"库中的一个函数来完成，这个函数名为"TRANTEST_Split"。我们需要将超过20万的数据集80%用于训练，20%用于测试。我们现在要做的就是创建X_TRAN、Y_TRAN、X_TEST和Y_TEST，并给它们赋值，这些值可以使用下面的行来完成：

让我们再次打开数据集，似乎大部分数据已经被缩放了，所以我们不需要再进行缩放，除非处理的信用卡金额还未缩放。你可以缩放数据，但确保缩放数据的范围不会影响整个结果。我们可以使用"skLearning"库中的"StandardScaler"类来扩展数据。我们所做的就是调用StandardScaler函数并让数据标准化。你可以使用下面的代码来完成它。

现在，我们已经对数据进行了处理，并创建了一个逻辑回归函数。你可以利用它对诈骗数据进行分类。下面是具体的代码。我们首先从"sklearn"中引进"逻辑回归"。然后，我们创建并将其命名为"classifier"，然后将其与X_TRAN和y_TRANS数据(如下所示)相匹配：

现在我们可以训练我们的模型了，我们首先得测试它。这可以通过使用X_test值创建y_pred向量来实现。相关代码如下所示：

恭喜！你已经创建了你的第一个机器学习模型。现在让我们来看看模型的准确性。我们将创建一个混淆矩阵来策略模型的准确性。首先，我们从"skLearning"导入"confusion_matrix"，并使用以下代码创建基于y_pred和y_test的混淆矩阵：

现在，我们只需在混淆矩阵中添加对应错误分类的部分，除以总数，再乘以100并且打印它。你可以使用下面的代码来完成这项步骤：

现在，让我们运行代码，看看这个模型是否好用，运行代码给出以下结果：

这对于一个简单的机器学习模型来说真的很好了，但是它还是有些问题。我们需要转到SpyderIDE中的变量资源管理器进行调整，你可以在下面的图片中找到它：

从这里我们将打开"cm"变量，这是我们的混淆矩阵并得到以下结果：

[0，0]部分对应于安全交易，从数据中看，我们做得很好。[0，1]是我们系统没有捕捉到的诈骗交易，有九个。[1，0]部分是我们把安全交易归为诈骗交易的数量，有37例。考虑到真正的交易数量，这是一个相当不错的数字了。最后，[1，1]部分对应于正确区分出的诈骗交易的数量，我们在这一节中得到了64，这也是相当不错的。总的来说，这是一个相当好和相当快的预测信用卡诈骗交易的模型，因为99%的交易被正确分类，87%的诈骗交易被"找见"。不过，我们还需要在其他数据集中测试它，以确定分类器是否有普适性，还是只适合这个数据集。

所以，我们刚刚建立了一个很好的模型，感觉很好，对吧？在现实生活中，我们需要解决一些小问题，比如选择正确的模型，以及如何评估你的模型，只有通过制作模型和发现它们的缺陷，你才能做得更好。这就是创造的魅力。通过这次操作，告诉了我们建立一个机器学习模型并不难。还有，所有基本的分类模型都遵循相同的结构，因此你可以继续将其用于其他项目。

所以基本上：

你可以构建一个机器学习模型，即使你不知道大多数变量。

建立机器学习模型很容易，但选择正确的机器学习模型则需要真正的能力。

正确评估你的模型是必要的，你可以通过混淆矩阵来完成。