展开

关键词

信用卡

最后一列Class,0为正常,1为 2、程序解读 2.1 读取文件 #! lambda x: 1 if x > 1.5 else 0) data['V21_'] = data.V21.map(lambda x: 1 if x > 0.6 else 0) print('每个单一属性的记录与整车记录的差异统计 :') print(data.describe()) print(data.sum()) 每个单一属性的记录与整车记录的差异统计: Time V1 print('记录的占比:') print(data.Normal.value_counts()) print() print(data.Fraud.value_counts()) pd.set_option ("display.max_columns",101) print(data.head()) 记录的占比: 1.0 284315 0.0 492 Name: Normal, dtype

36330

模型(数据不平衡)

而且recall是以阈值为 0.5 来计算的,那我们就可以简单的认为预测的概率大于0.5就算了吗?还是说如果他的潜在概率只要超过 20% 就已经算为了呢?

36040
  • 广告
    关闭

    腾讯云精选爆品盛惠抢购

    腾讯云精选爆款云服务器限时体验20元起,云数据库19.9元/年起,还有更多热门云产品满足您的上云需求

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    图数据库·业务总结·

    比如银行和公安经侦监控资金账户,当有一段时间内有大量资金流动并集中到某个账户的时候很可能是非法集资,系统触发预警(图7) 一般 ? 判断1:多个用户使用相同的地址、银行卡、身份证、电话等其他信息 电子商务的 ? 判断2:一个ip或Cookies 服务于多个信用卡或用户。 判断3:信息不一致。

    49130

    先知:人工智能助力Fintech

    本文内容节选自第六届全球软件案例研究峰会宜人贷数据科学家王婷分享的《先知:人工智能助力Fintech》实录,本文主要分享互联网金融,通过人工智能与人工调查的结合,实现智能的效率和准确性提升 先知是基于宜人贷的云平台,面向Fintech全行业的一种解决方案,帮助Fintech企业解决在信贷申请、金融中介识别、团伙监控/预警上面临的一系列问题。 、数据能力以及能力对外做平台化的输出。 在开发先知云平台之前,发现风险的时间周期会比较长,这会导致个别用户到放款甚至逾期后才被发现。 基于行为数据的模型在我们的体系中也是很重要的一环。

    1.1K110

    金融场景下的Spark实践

    推荐阅读: 1,Spark Structured Streaming高级特性 2,Spark高级操作之json复杂和嵌套数据结构的操作一...

    789100

    天御服务,让「天下无贼」

    企业面临风险? 用我们的沉淀,给企业足够的“安全感” 腾讯云发布天御服务 随着互联网理财、P2P 金融的快速发展,带有恶意目的的骗贷,骗保、洗钱等恶意行为也形成了新的地下产业,这些黑色产业链给企业品牌带来了严重的经济损失 基于企业的痛点,腾讯云通过大数据分析能力,以及在对抗社交骗、电商刷单、保驾互联网银行和支付业务安全上累积的实战经验,发布天御服务,解决企业被的风险,让企业专注于业务的发展。 天御服务,基于腾讯管家平台和社交生态所积累的海量恶意数据,以及通过行为识别,画像计算等能力,精准识别出恶意用户,并通过服务的方式通知企业客户进行跟踪标记和拦截等处理方式。 ? 一网打尽以上威胁与风险,为你们做到「天下无贼」 如何获取腾讯云天御服务 客户可通过腾讯云工单系统提交工单咨询该服务或者拨打95716咨询

    2.7K70

    机器学习——信用卡案例

    20720

    基于机器学习的研究

    三、 基于机器学习的攻防案例 机器学习技术虽然在解决方案中发挥着重要作用,但另一方面,机器学习技术也可以被不法分子用来进行。 构建跨行业的技术生态,促进行业合作,整合优势资源,对于技术的发展将能起到显著的推动作用。 最后,机器学习不光能在中起到重要作用,也有可能成为不法分子进行的工具,并有能力对现有防御方案造成巨大威胁。因此,研究工作不光需要关注机器学习解决方案,也应该关注基于机器学习的手段。 从攻防的角度出发,是研究的重要课题。 参考文献 [1] 林宇俊,许鑫伶,何洋,鲁银冰,5G时代下基于大数据AI的全周期通信信息骗方案研究,电信工程技术与标准化,Telecom Engineering Technics andStandardization

    11630

    【独家编译】美国服务商Precognitive获百万美元种子轮融资 是新的风口?

    数据猿导读 今年年内,国内外数家服务提供商获得了数百万至数千万美元融资,已经成为大数据领域一个新的热门话题。 ? Precognitive通过分析用户与在线服务之间的交互行为数据,向客户提供预警。 其创始人Sam Bouso表示,目前Precognitive拥有三种不同的技术以适应不同和客户与场景。 他说:“服务有大量数据可供挖掘,大多数解决方案都专注于在交易中进行,但我们实际上能够通过多次访问监控设备和用户活动,从而在发生之前为客户提供预警。” 无论是传统金融机构,还是新兴互联网金融机构,都要面临如何更高效的筛选客户和预防行为的挑战。这种需求也催生了巨大的金融服务市场。 今年年内,美国Signifyd、Rippleshot,国内邦盛科技、同牛科技、数美科技、冰鉴科技等数家服务提供商获得了数百万至数千万美元融资,已经成为大数据领域一个新的热门话题。

    40770

    腾讯安全联合发布《2020中国移动广告白皮书》,深度揭秘三大主流模式

    针对这一现状,腾讯安全天御、腾讯防水墙和InMobi联合发布了《2020中国移动广告白皮书》,在深度揭秘当前移动广告常见场景、作弊手段的基础上,分析移动广告三种主流模式,提出依托SDK集成模式从流量源头预防是移动广告的趋势 广告获利成本大幅提升,面临更高法律风险 除了广告主不断采用更高阶的手段来过滤和限制流量之外,众多的核心媒体也开始利用法律的武器来维护平台利益。 三大主流模式并行下,移动广告态势呈现出有所缓解的趋势。随着行为的不断演变,广告主手段也日益向专业化、复杂化发展,移动广告作弊获利会越来越难。 在这个背景下,预防的效果要远大于事后的追溯和补救,源头预防已成为广告主、品牌主、媒体和用户都认同的趋势,无感验证API和能够直接展示媒体端底层数据的SDK集成模式,势必成为中国移动广告的主流模式 未来,腾讯将以自身能力为依托,协同生态伙伴,助力企业实现流量源头预防,发扬科技向善,护航业务安全发展。

    81120

    针对移动支付的道德系统

    团队对在移动设备上的程序中运行现有security challenges Boxer 进行了大规模测量研究后发现,虽然 Boxer 总体上运行良好,但它无法在以低于每秒一帧(FPS)的速度运行的设备上进行有效扫描 团队对在移动设备上的程序中运行现有security challenges Boxer   进行了大规模测量研究后发现,虽然 Boxer 总体上运行良好,但它无法在以低于每秒一帧(FPS)的速度运行的设备上进行有效扫描 于是团队设计了 Daredevil,一种新的系统,用于扫描支付卡,并在各种性能的移动设备和硬件配置中都能很好地工作。 与 Boxer 相比,Daredevil将以低于1 FPS的速度运行的设备数量减少了一个数量级,为打击行为提供了一个更公平的系统。 Daredevil错误地将7次扫描标记为,假阳性率为2.2%。错误均匀地分布在所有设备上,这体现了Daredevil的公平性。

    10940

    智能时代如何构建金融体系?

    本期活动将话题聚焦在智能时代下体系的建立上,邀请了极光、明特量化及中国平安的相关专家为大家分享大数据时代下风控系统及作弊体系是如何搭建的。 接下来明特量化CRO苏建成为大家做了以“大数据+AI打造互联网金融体系”为主题的分享。 ? 他认为要在新形势下建立有效的互联网金融体系,关键是大数据+AI。 具体来讲,交叉认证、规制引擎、外部引擎、模型策略是构建决策体系的四种方法,常用的方法有逻辑回归、随机森林、神经元网络、统计分布异常检测、文本挖掘及模糊匹配、复杂网络分析等。 金融任重道远,苏建成认为在未来金融大数据风控会呈现出三大趋势:1、套路层出不穷,与其的对抗将长久存在;2、随着国家对个人信息保护力度的加强,大数据公司的数据来源会受到一定的影响;3

    1.1K90

    不漫谈大数据技术架构 No.126

    一年多以前,有朋友让我聊一下你们的大数据架构是怎么实现的,以及我们途中踩了哪些坑,怎么做到从30min延迟优化到1s内完成实时。 时间也过了很久了,最近看到圈里一些东西,发现当时的这套架构并未落伍,依然具有很大的参考价值,所以今天跟大伙聊聊关于大数据体系怎么搭建,主要来源是来自于我工作的时候的实践,以及跟行业里的很多大佬交流的实践 这套架构我做的时候主要领域是信贷行业的大数据,后来也看过电商的架构,也看过金融大数据的架构,发现其实大家使用的其实也差不多是这个套路,只是在各个环节都有不同的细节。 比如运营商通讯数据、比如大型电商的行为数据、比如各种保险数据,以及各个机构贷款记录的互相沟通,这些数据源,都非常核心也都非常值钱,是现在非常核心的数据。 当然也有更加粗暴更加高效的做法,就是直接购买外部的黑名单数据,这让变得更加简单,遇到就直接拒,可以减少非常的人力物力成本去做其他的核查。 数据抽取 ?

    74030

    中所用到的机器学习模型有哪些?

    作者 | 微调(知乎ID微调,普华永道高级数据科学家) 方向的实际应用很多,我有做过保险业和零售快消业的检测,抛砖引玉的谈谈项目的"道"和"术"。 点验证; 第三部分(5)归纳并提出了一个模型的通用框架供大家参考。 1. 背景 - 为什么检测难度很高? 项目很多情况下就是客户根本不知道什么是,什么不是。 最重要的是帮助我们检查数据是否存在问题,有没有什么违常理的情况。 以我最近在写的文章为例(并不是问题),对不同偶像团体是否能够继续走红进行预测。 项目的操作顺序(2) - 算法 一般我们对检测做两种假设: 时序相关(time dependent)。 若出现在交集中,我们对于该点是骗的信心会进一步上升。 4. 项目的操作顺序(3) - 如何验证点?

    1.1K41

    企业,腾讯安全稳居亚太第一梯队

    近日, 2020年第四季度Now Tech亚太企业市场报告(Now Tech: Enterprise Fraud Management In Asia Pacific, Q4 2020)发布,腾讯安全入选大型成熟供应商梯队 图片1(1).png 本次报告通过营收表现、功能、垂直市场、样本客户等维度调研了亚太地区38家供应商的能力,并以营收表现为指标,将亚太地区的企业解决方案(EFM)供应商划分为三个梯队,这也是目前全球首份评价亚太地区企业市场营收表现的权威报告 Forrester指出,近年来,随着新型数字商业、支付方式的激增以及数字金融成为常态,交易变得更加频繁和复杂。 本次腾讯安全作为唯一的互联网科技公司代表冲进第一梯队,标志着企业在领域借助互联网公司打击黑产经验和大数据能力,已经成为当下保障业务发展行之有效的实践举措之一。 腾讯安全打造了“四位一体”的天御(TenDI)智能风控服务,涵盖场景咨询、解决方案、风控服务、风控系统等多维度的产品矩阵,企业可以根据自身需求和风控基础,定制化地选择咨询、建模、平台搭建等风控措施,筑牢防线

    25520

    TenSec 2018:腾讯云天御助力营销场景

    针对营销黑产,腾讯云天御系统搭建的多层级安全体系能够从数据安全、AI 组件、AI 安全模型和风控服务四个层面实施有效防护。 ? AI 学习助力天御识别恶意流量变种 腾讯云天御系统引进迁移学习、深度学习,依据 fuzzy network、Gibbs sampling和 BN 等技术,将专家系统升级至多层级混合网络模型,解决特征自动提取 多层 AI 安全平台助力天御对抗黑产 腾讯云天御系统搭建了多层级安全体系,从数据安全、AI 组件、AI 安全模型和风控服务四个层面对营销黑产进行分析和对抗。 在数据安全层形成数据防护线;在 AI 安全模型层刻画多类型风险、定制识别引擎;在风控服务层提供营销行业适配解决方案实现更科学、高效的黑产对抗。 ? 目前,天御系统已经帮助蒙牛在2018年世界杯期间节约数千万营销资金,并避免恶意数据对后续营销效果分析的干扰。

    4.4K10

    讯飞广告赛的王牌模型catboost介绍

    前段时间,MeteoAI小伙伴参加了讯飞移动广告算法挑战赛算法挑战大赛[1],最终取得了复赛14/1428名的成绩。 斯坦福大学使用机器学习做次季节温度/降水预报 Nature(2019)-地球系统科学领域的深度学习及其理解 交叉新趋势|采用神经网络与深度学习来预报降水、温度等案例(附代码/数据/文献) REFERENCE [1] 移动广告算法挑战赛算法挑战大赛

    2.4K51

    相关产品

    • 金融风控

      贴近金融业务场景、抓住典型风险类型、遵从风险管理流程、提供核心风控系统, 努力为金融行业提供一站式的金融风控解决方案。

    相关资讯

    热门标签

    扫码关注云+社区

    领取腾讯云代金券