注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数据挖掘是什么 大家可以看看

  2. 介绍数据挖掘是在海量数据中揭示隐藏模式的过程，它的目标是建立以个好的预测模型以供决策者采取相应的行动定位目标客户，控制风险和鉴别欺诈等。

  3. 所属分类：专业指导

    • 发布日期：2009-05-14
    • 文件大小：158720
    • 提供者：purldmz

  1. 各种数据挖掘工具资料整理

  2. 数据挖掘是从海量数据中提取隐含在其中的有用信息和知识的过程。它可以帮助企业对数据进行微观、中观乃至宏观的统计、分析、综合和推理，从而利用已有数据预测未来，帮助企业赢得竞争优势。例如，利用数据挖掘可以对企业的海量数据进行客户分析，包括客户类型、各类客户的需求倾向、贷款偿还预测和客户信用政策分析、客户流失分析等；进行市场研究，包括商品市场占有率预测、市场拓展计划仿真；进行经营策略研究，包括经营成本与收入分析、风险控制、欺诈行为甄别等

  3. 所属分类：嵌入式

    • 发布日期：2009-09-27
    • 文件大小：540672
    • 提供者：xinny

  1. 案例实战信用卡欺诈检测数据集

  2. “人工智能学习笔记——案例实战信用卡欺诈检测”博客中的数据集

  3. 所属分类：机器学习

    • 发布日期：2018-06-13
    • 文件大小：69206016
    • 提供者：tichimi3375

  1. neo_信用卡欺诈预测模型.pdf

  2. 风控模型，主要是介绍预测信用卡用户的潜在欺诈风险。

  3. 所属分类：机器学习

    • 发布日期：2019-10-23
    • 文件大小：1048576
    • 提供者：anakin6174

  1. 数据分析在金融反欺诈中的运用（数据和源码）.zip

  2. 通过数据分析，对银行消费进行分析，判断用户的信用卡的消费是否非本人所为即是否存在盗刷行为，我们将采用二分类——逻辑回归算法对海量数据进行训练并创建相关数据模型，进行预测是否属于信用卡盗刷现象，从而预防此类现象的发生

  3. 所属分类：算法与数据结构

    • 发布日期：2020-07-09
    • 文件大小：68157440
    • 提供者：CSDNFly1

  1. 基于改进的遗传算法优化BP神经网络的车险欺诈识别模型

  2. 为了提高BP神经网络在保险欺诈识别中的准确率,利用改进的遗传算法优化BP神经网络初始权重,以克服BP神经网络容易陷入局部极小点、收敛速度慢以及样本依赖性等问题的缺点。改进的遗传算法充分考虑了遗传算法中种群适应度的集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。同时为了加快寻优效率,将排序选择策略与最优保存策略相结合。以某保险公司汽车保险历史索赔数据为样本,采用该算法进行模拟和预测。实证结果表明:相比于IAGA-BP、GA-BP、BP三种算法,该识别算法在识别准确率上有很大提高。

  3. 所属分类：其它

    • 发布日期：2020-07-25
    • 文件大小：1048576
    • 提供者：weixin_38558186

  1. [Real or Fake] Fake JobPosting Prediction [真实或伪造]伪造职位发布预测-数据集

  2. 该数据集包含18K个职位描述，其中约800个是伪造的。数据包括文本信息和有关作业的元信息。该数据集可用于创建分类模型，该分类模型可学习欺诈的职位描述。 fake_job_postings.csv

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：15728640
    • 提供者：weixin_38637665

  1. SPS-8913-Credit-Card-Fraud-Prediction-using-IBM-Auto-AI:使用IBM Auto AI进行信用卡欺诈预测-源码

  2. SPS-8913-使用IBM-Auto-AI的信用卡欺诈欺诈预测 使用IBM Auto AI进行信用卡欺诈预测 项目描述： 该项目讨论构建用于创建可以在不同场景中使用的预测的系统。 它着重于预测欺诈交易，这可以减少金钱损失和降低风险。 该项目旨在构建一个Web应用程序，该应用程序通过获取输入值来自动估计是否存在欺诈风险。 使用IBM AutoAI，我们可以自动构建针对不同需求的预测模型所涉及的所有任务。 您可以从一个数据集创建一个模型，该数据集包括性别，已婚，受抚养者，受教育程度，自雇人员，申

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：266240
    • 提供者：weixin_42165973

  1. Makeathon3077_OpenSource_Sages:此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型-源码

  2. 电子商务欺诈预测器Web应用程序 网络链接： ： 此网络应用预测电子商务数据交易欺诈。 它基于机器学习和神经网络模型。 训练了7种机器学习算法（决策树，随机森林，逻辑回归，支持向量机，梯度提升和K最近邻和KMeans算法）和2种深度学习神经网络模型（单层感知器和多层感知器）并对其进行了测试使用电子交易数据集（kaggle）和精度最高的百分位数的模型来构建网络预测器。 该Web应用程序是使用以下库在Python中构建的： 流线型 大熊猫 斯克莱恩 海生的 matplotlib.pypl

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：199680
    • 提供者：weixin_42144604

  1. 预测信用卡欺诈交易-源码

  2. 预测信用卡欺诈交易 团队负责人：Abdelrahman Ragab 球队：迪娜·埃尔索卡里（Dina Elsokary）–艾哈迈德·纳赛尔（Ahmed Nasser）–艾哈迈德·塔拉特（Ahmed Talaat） 培训师：Jezz Martin 项目构想： 欺诈检测-使用Amazon SageMaker识别欺诈活动。 问题描述： 您在一家跨国银行工作。 在过去的几个月中，经历信用卡欺诈的客户数量显着增加。 您需要使用ML来识别欺诈性的信用卡交易，然后才能对您的公司产生更大的影响。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1034240
    • 提供者：weixin_42136477

  1. 信用卡欺诈检测：为弗罗茨瓦夫工业大学的学生研究俱乐部高斯完成的机器学习项目-源码

  2. 信用卡欺诈检测 弗罗茨瓦夫科技大学的学生研究俱乐部“ KN Matematyki Statystycznej Gauss”完成了机器学习项目。 描述 该任务是执行EDA并建立预测性分类模型，以检测欧洲持卡人在2013年9月进行的欺诈性信用卡交易。可在以下Kaggle网站上找到该项目的原始数据集： 执行分析的数据是原始数据的分层，随机选择的子集，仅包含原始记录的75％。 可以在此存储库的数据文件夹中找到它。 剩余的25％观测值（此存储库中未提供）将用作测试数据，以便在“高斯”会议期间对模型进行最

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：32505856
    • 提供者：weixin_42136791

  1. 欺诈检测：哪个客户资料可能是欺诈？-源码

  2. 该客户是否会违约/欺诈？ -使用客户资料和其他功能进行预测性建模，对疲弱的客户进行分类

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：12288
    • 提供者：weixin_42117340

  1. 欺诈检测：使用Scikit-learn预测在jupyter笔记本中构建的欺诈性交易的逻辑回归模型-源码

  2. 欺诈检测简介

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：58368
    • 提供者：weixin_42138376

  1. 预测保险欺诈：预测保险单欺诈-源码

  2. 预测保险单中的欺诈欺诈每年使保险公司损失数十亿美元。 如今，大多数保险公司都希望更好地了解欺诈行为，欺诈行为对公司的影响以及如何使用高级分析方法更好地控制欺诈行为。 我们有来自同一家公司的保险数据。 我的目标是通过使用机器学习模型更好地预测欺诈案件。 创建该存储库的主要目的是在数据上应用几种不同的模型，以了解与欺诈有关的因素并事先预测欺诈。 我将探索几种模型，例如KNN，SVM，逻辑回归，随机森林和朴素贝叶斯（Naive Bayes）等，然后看看哪种模型最能预测欺诈。 定义一个理想的指标来判

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：8388608
    • 提供者：weixin_42138139

  1. Medicare-Fraud-Prediction：使用机器学习模型（如逻辑回归，随机森林和支持向量机）基于索赔，预测潜在欺诈提供者，以可视化索赔发生-源码

  2. 医疗保险欺诈预测 医疗保健领域的欺诈是医疗保险行业的主要关注之一。 消息人士称，由于虚假索赔，总支出大幅增加。 医疗保健欺诈有多种形式，提供商的几种常见欺诈类型是：对未提供的服务收费，重复的索赔提交，通过对更复杂或更昂贵的服务收费来歪曲服务。 该项目的目标是使用逻辑回归，随机森林估计量并基于索赔，预测潜在的欺诈提供者，并可视化索赔发生。 在检测潜在欺诈提供者的行为时，探索性分析将发现重要变量，以了解提供者索赔中的欺诈模式。 语言：Python

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：532480
    • 提供者：weixin_42099151

  1. 欺诈交易的预测模型-源码

  2. 测试

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：95232
    • 提供者：weixin_42138525

  1. 仪表板--- XENTE-FRAUD：一个完整​​的项目，指向描述性，诊断性，描述性和预测性分析； 参考使用Microsoft powerBI的智能仪表板-源码

  2. XENTE-欺诈-仪表板 指向描述性，诊断性，预测性和规范性分析的完整项目； 参考使用Microsoft powerBI的智能仪表板

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：192512
    • 提供者：weixin_42107165

  1. talkingdata-adtracking-欺诈检测：Kaggle竞赛（前8％）-源码

  2. talkingdata-adtracking欺诈检测 Kaggle比赛（前8％） 数据集的前景 我们的目标是预测用户点击广告后是否会下载该APP。 用户可能欺诈性地点击广告只是为了赚钱。 特征： IP：用户所在的地区或国家与他或她是否欺诈性地点击广告有关。 （一个）。 欺诈用户可以使用同一IP多次单击同一AD。 （b）。 但是，同一公司中的家庭或人可以共享同一IP，这意味着同一IP可以包含常规用户和欺诈用户。 按设备，操作系统，渠道等分组可以进一步区分。 APP ：（可以按IP使用分

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：69632
    • 提供者：weixin_42138376

  1. enron_fraud：根据电子邮件和财务数据集，建立模型来预测参与安然欺诈案的员工。 根据F1得分，精度和召回率使用特征选择和工程，算法选择和模型选择-源码

  2. 安然欺诈项目 休斯顿的安然综合体- 安然是美国最大的公司之一。 由于公司欺诈，它破产了。 由于联邦调查的结果，大量的安然数据（电子邮件和财务数据）已进入公共记录。 该项目旨在建立一个分类器，该分类器可以基于公共的安然财务和电子邮件数据集来预测安然员工涉及欺诈的情况。 有关安然丑闻的更多详细信息，请参见 。 工作流程 该项目分为3个主要阶段： 功能选择和工程 算法选择 选型 特征选择与工程 首先，清理数据； 由于我们对个人数据感兴趣，因此删除了与“总计”和“公园旅行社”相对应的数据。 另外，“

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42118160

  1. credit_fraud:使用基于异常的检测方法和加权Logistic回归预测欺诈-源码

  2. credit_fraud:使用基于异常的检测方法和加权Logistic回归预测欺诈

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：33792
    • 提供者：weixin_42099942
« 12 3 4 »