Обнаружение мошеннических транзакций

Бизнес-контекст и Проблематика

Мошенничество с кредитными картами — одна из старейших и самых дорогих проблем банковского сектор. С развитием электронной коммерции злоумышленники становятся все изощреннее, используя украденные данные и социальную инженерию. Основная сложность задачи заключается в огромном дисбалансе классов: мошеннические транзакции составляют сотые доли процента от общего потока. Традиционные методы детектирования (на правилах) часто дают много ложных срабатываний, блокируя операции честных клиентов и вызывая их недовольство. Задача участников — разработать алгоритм, который максимизирует обнаружение фрода (Recall), минимизируя при этом ложные срабатывания (False Positive Rate).

Описание данных

Датасет содержит транзакции, совершенные европейскими владельцами кредитных карт в течение двух дней.

• Конфиденциальность: Из-за политики безопасности банка, большинство признаков (V1, V2, ... V28) являются результатом PCA-преобразования и не имеют интерпретируемых названий.

• Time: Количество секунд, прошедших с момента первой транзакции в датасете.

• Amount: Сумма транзакции. Этот признак можно использовать для cost-sensitive learning (пропущенный фрод на крупную сумму опаснее).

• Особенности: Данные крайне несбалансированы. Из 284,807 транзакций только 492 являются мошенническими (0.172%).

Целевая переменная Target: 1 (Fraud) или 0 (Legit).