Fraud-Analysis

我们团队针对一个包含约148万条记录的大型金融交易数据集，旨在为金融机构开发欺诈检测与预测模型。项目涵盖了使用python全面的数据清洗与准备、关键欺诈指标（如一次性支付、债务收入比）的特征选择，以及多种预测模型（包括KNN、逻辑回归、决策树和随机森林）的构建与评估。最终，我们的随机森林模型（AUC达0.88）和优化后的决策树模型（准确率达0.9213）成功识别了欺诈模式，为金融机构的风险管理提供了有价值的洞察与建议。