详细内容或原文请订阅后点击阅览
使用自动编码器和 Keras 预测欺诈
在本文中，我们将训练一个自动编码器来检测信用卡欺诈。我们还将演示如何使用 CloudML 在云中训练 Keras 模型。我们模型的基础将是 Kaggle 信用卡欺诈检测数据集。
来源:RStudio AI博客概述
在本文中，我们将训练自动编码器来检测信用卡欺诈。我们还将演示如何使用 CloudML 在云中训练 Keras 模型。
CloudML我们模型的基础是 Kaggle 信用卡欺诈检测数据集，该数据集是在 Worldline 和布鲁塞尔自由大学 (ULB) 机器学习小组在大数据挖掘和欺诈检测方面的研究合作期间收集的。
信用卡欺诈检测 机器学习组该数据集包含欧洲持卡人在 2013 年 9 月两天内进行的信用卡交易。在 284,807 笔交易中，有 492 笔是欺诈。该数据集高度不平衡，正类（欺诈）仅占所有交易的 0.172%。
读取数据
从 Kaggle 下载数据后，您可以使用 read_csv() 将其读入 R：
Kaggleread_csv()
library(readr)df <- read_csv("data-raw/creditcard.csv", col_types = list(Time = col_number()))
library(readr)df <- read_csv("data-raw/creditcard.csv", col_types = list(Time = col_number()))
library(readr)
library
library
(
readr
readr
)
df <- read_csv("data-raw/creditcard.csv", col_types = list(Time = col_number()))
df
<-
read_csv
(
"data-raw/creditcard.csv"
=
list
list
(
=
col_number
(
)
)
)
输入变量仅由数值组成，这些数值是 PCA 转换的结果。为了保密，未提供有关原始特征的更多信息。特征 V1、…、V28 是通过 PCA 获得的。但是有 2 个特征（时间和金额）没有转换。时间是数据集中每笔交易与第一笔交易之间相隔的秒数。金额是交易金额，可用于成本敏感学习。如果存在欺诈，则 Class 变量的值为 1，否则为 0。
时间 金额 时间 金额 类自动编码器
自动编码器 Larochelle 视频 第 14 章 深度学习可视化
[0,1]
预处理