基于PCA（主成分分析法）对信用评分卡反欺诈案例 代码+数据

• 任务描述：信用卡欺诈是使用或涉及支付卡（例如信用卡或借记卡）作为交易中的欺诈资金来源进行的盗窃和欺诈的广泛术语。 目的可能是在不付款的情况下获取商品，或从帐户中获取未经授权的资金（例如盗刷）。尽管信用卡欺诈的发生率限于所有卡交易的约0.1％，但由于欺诈交易属于非法交易，因此造成了财务损失。 信用卡公司能够识别欺诈性的信用卡交易非常重要，这样就不会向客户收取未购买商品的费用。在该任务中，我们需要将交易分类为欺诈性或非欺诈性。好的欺诈分类效果能够有效预防和降低信用卡欺诈带来的经济损失，从而使相关的金融机构和客户获益。

• 运行环境:在Python3.6+环境下测试了本教程代码。需要的第三方模块和版本包括：

  • scipy(>=0.19.1)
  • scikit-learn(>=0.23)
  • numpy(>=1.13.3)
  • joblib(>=0.11)
  • imbalanced-learn(>=0.7.0)

imbalanced-learn的安装可以通过pip install -U imbalanced-learn

• 数据集: https://download.csdn.net/download/qq_38735017/87069279

• 方法概述