creditcard_fraud_detection

kaggle / 카드 사기 탐지

EDA

• Time, V1 ~ V28, Amount 변수가 있다.
• V1 ~ V28은 개인 정보를 위해 변수가 공개되지 않는다.
• 결측치는 존재하지 않았다.
• Fraud로 labeling 된 데이터는 전체의 0.17%로 불균형한 데이터다.
• Correlation 결과 눈여겨 볼 만한 feature는 Time & V3 (-0.42), Amount & V2 (-0.53), Amount & V4 (0.4)이다.

전처리

• validation과 test데이터를 먼저 나누고 validation data 안에서 train data 를 형성한다.
• Standard Scaler를 적용한다.
• print_score 함수를 만들어 모델링에서 사용한다.

모델링

• 모델링 결과를 scores_dict 에 모아두고 나중에 결과를 비교하고자 한다.
• 모델링에는 ANN, XGBoost, CatBoost, LightGBM 을 사용하였다.

결과