|
def plot_confusion_matrix(cm, class_names, title_text='Confusion Matrix', normalize=False
|
| bet | 4/7 | | Sana | 08.06.2024 | | Hajmi | 54,01 Kb. | | #261507 |
Bog'liq Tоshkеnt aхbоrоt tехnоlоgiyalari univеrsitеti individual loyiha -fayllar.orgdef plot_confusion_matrix(cm, class_names, title_text='Confusion Matrix', normalize=False):
plt.figure(figsize=(10,5))
acc = cm.diagonal().sum()/cm.sum()
if normalize:
cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
print("Normalized confusion matrix")
else:
print('Confusion matrix, without normalization')
sns.heatmap(cm, annot=True, fmt='.2f', xticklabels=class_names, yticklabels=class_names,
annot_kws={"size":15})
plt.title(title_text+' Accuracy = {:.4f}'.format(acc), fontsize=20)
plt.xlabel('Predicted', fontsize=16)
plt.ylabel('Actual Class', fontsize=16)
plt.tick_params(labelsize=14)
Oddiy Logistik Regressiya Va Regressiya.
Logistik regressiya-bu turli xil tushuntirish o'zgaruvchilari asosida ikkilik javob o'zgaruvchisini modellashtiradigan ehtimollik modeli. U quyidagi afzalliklarga ega
Amalga oshirish va talqin qilish oson model. Og'irliklar bizga alohida izohlovchi o'zgaruvchilarning javob o'zgaruvchisiga ta'sirini tushuntirishga yordam beradi.
Odatda ikkilik javob o'zgaruvchilari uchun ishlatilgan bo'lsa-da, uni 'one-vs-rest' metodologiyasi yordamida ko'p sinfli tasnifga kengaytirish mumkin. Yilda bitta va hamma metodologiya, k ikkilik tasniflagichlar uchun qurilgan K-sinf tasnifi. Berilgan namuna maksimal ehtimollik berilgan sinfga beriladi. Chiziqli alohida holatlarda yaxshi ishlaydi.
1.2.Kredit Karta Firibgarligini Aniqlash Texnikasi.
Firibgarlik ochish systems faryod sanab necha difficulties va muammolarga Azizillo bo'ladi. An samarali firibgarlik usuli ushbuqiyinchiliklarni bartaraf etish qobiliyatiga ega bo'lishi kerak achievebest bajarish. Kredit karta ma'lumotlar beqaror Bu deganibubarcha kredit karta operatsiyalarining juda kichik foizlari firibgarlikdir. Bu sabab firibgarlik operatsiyalarini aniqlash juda qiyin va noaniq. Turlimisclassificationahamiyati:firibgarlikochishvazifa,turlimisclassificationxatolar har xil ahamiyatga ega.Oddiy bitimni firibgarlik sifatida noto'g'ri tasniflash kabi emas norm al sifatida firibgarlik bitimni aniqlash kabi zararli.
Chunki birinchi holatda xato tasniflash keyingi tekshiruvlarda aniqlanadi. Ma'lumotlar nizomiga:ko'p transharakatlarko'rib,esa oddiy (noto'g'ri ijobiy) va teskari ravishda, soxta bitim ham qonuniy bo'lib tuyulishi mumkin (noto'g'ri salbiy). Shunday qilib, noto'g'ri ijobiy va noto'g'ri salbiyning past darajasini olish kalit hisoblanadi firibgarlikni aniqlash tizimlarining muammosi va Moslashuvchanlikning yo'qligi tasniflash al goritmlari odatda muammoga duch keladioddiy yoki firibgar naqshlarning yangi turlarini aniqlash. Nazorat qilinadigan va nazoratsiz firibgarlik aniqlash tizimlari normal va firibgarlik xatti-harakatlarining yangi pa tternlarini aniqlashda samarasiz , navbati bilan.
Fr audulent narxini ham ac hisoblash ichiga olishi kerakaniqlangan xatti-harakatlar va uning oldini olish xarajatlari. Masalan, hech qanday daromad olinmaydi bir necha dollar soxta bitimni to'xtatish. Ukraina 19% Indoneziya 18% Yugoslaviya 18% Malayziya 6% Turkiya 9% Amerika Qo'shma Shtatlari 1% boshqa counry 29% Kredit karta firibgarlik sodirnce statistik tasnifi UkrainaIndoneziyaYugoslaviyaMalayziyaTurkiyaAmerika Qo'shma Shtatlariboshqa counry
5 Standart o'lchovlarning etishmasligi:uchun mezonlari mavjud emas vafiribgarlikni aniqlash tizimlarining natijalarini taqqoslash. 4. Kredit Karta Firibgarligini Aniqlash Texnikasi Kredit karta firibgarligini aniqlash texnikasi clikkita umumiy toifaga bo'linadi: firibgarlik anal ysis (m isuse aniqlash) va userbehavior tahlil (anomaliya aniqlash). Texniklarning birinchi guruhi tranzaktsiyalar darajasida boshqariladigan tasniflash vazifasi bilan shug'ullanadi. Bularda usullari, bitimlar oldingi historica l ma'lumotlarga fra udulent yoki normal based sifatida etiketlenir. Thhisoblanadi keyinchalik ma'lumotlar to'plami holatni (normal yoki firibgarlik) bashorat qila oladigan tasniflash modellarini yaratish uchun ishlatiladi yangi yozuvlar. Oddiy ikkita sinf tasnifi uchun ko'plab modellarni yaratish usullari mavjud vazifa qoida induksiyasi, qaror daraxtlari va neyron tarmoqlar.Ushbu yondashuv isbotlangan ishonchli oldin kuzatilgan eng firibgarlik fokuslar aniqlash, bu, shuningdek, noto'g'ri sifatida tanilgan aniqlash. Ikkinchi yondashuv hisob xatti-harakatlariga asoslangan nazoratsiz metodologiyalar bilan bog'liq. Bu foydalanuvchinormal xatti farqli , t uning . Biz firibgarlar hisob egasi bir xil muomala yoki xabardor bo'lishi kutmang, chunki, bu egasining xulq model, bu maqsad uchun, bizqonuniy foydalanuvchi qiziqishlariga modelini rasta ext kerak (e.. Foydalanuvchining profili) har bir hisob uchun va keyinunga ko'ra f raudulent faoliyatini aniqlash. Taqqoslashyangi xatti-harakatlar ushbu model bilan etarlicha turli xil harakatlar firibgarlik sifatida ajralib turadi. Profillar mumkin hisobning faoliyat ma'lumotlarini o'z ichiga oladi; savdogar turlari, miqdori, joylashuvi va vaqti kabi operatsiyalar. Ushbu usul anomaliyani aniqlash deb ham ataladi. Bu foydalanuvchi xulq tahlil qilish va firibgarlik ana lizis o'rtasidagi asosiy dif ferences ta'kidlash uchun muhim ahamiyatga ega yondashuvlar.Thefroud tahlil usulima'lum firibgarlik fokuslarini aniqlay oladi, past false bilan pozitiverate.Ushbu tizimlar Oracle dataset-da taqdim etilgan f raud fokuslarining imzosi va modelini chiqaradi va keyin osonlik bilan aynan qaysi firibgarliklar aniqlash mumkin, tizimi egriijara experiencing bo'ladi. Agar sinov bo'lsa ma'lumotlarda anyfraud imzolari mavjud emas, signal ko'tarilmaydi. Shunday qilib, faLSE ijobiy darajasi bo'lishi mumkin juda qisqartirildi.Biroq, chunki firibgarlikni tahlil qilish tizimini o'rganish (ya'ni klassifikator) quyidagilarga asoslanadi cheklangan va o'ziga xos firibgarlik yozuvlari,u yangi firibgarliklarni aniqlay olmaydi.
Natijada , yolg'on salbiylarxudochilarning qanchalik mohirligiga qarab juda yuqori bo'lishi mumkin.Foydalanuvchi bixevioranalizboshqa tomondan , greatly yangi firibgarliklarni aniqlash muammosiga murojaat qiladi. Ushbu usullar firibgarlikning o'ziga xos naqshlarini qidirmaydi, aksincha kiruvchilarni taqqoslaydi Foydalanuvchining qonuniy xatti-harakatlarining qurilgan modeli bilan faoliyat. Etarli bo'lgan har qanday faoliyat boshqacha modeldan mumkin bo'lgan firibgarlik sifatida ko'rib chiqiladi. Shunga qaramay, foydalanuvchixatti-harakatlarini tahlilqayta yaqinlashadiinnovativ firibgarliklarni aniqlashda kuchli, ular haqiqatan ham yuqori darajadagi noto'g'ri signallardan aziyat chekishadi. Bundan tashqari, agar a firibgarlik o'quv bosqichida sodir bo'ladi, bu firibgarlik xatti-harakati boshlang'ich rejimga kiritiladi keyingi tahlilda normal deb taxmin qilingan. ushbu bo'limda biz hozirgi firibgarlikni qisqacha bayon qilamizkredit karta firibgarligini aniqlash vazifalarida qo'llaniladigan aniqlash usullari, shuningdek, asosiy afzallik va har bir yondashuvning kamchilikitashkil etiladi. Sun'iy Neyron Tarmoq An sun'iy neyron tarmoq (ANN) taqlid qilish uchun mo'ljallangan o'zaro bog'liq tugunlar to'plamidir human miya faoliyat. Har bir tugun bir nechta boshqa tugunlar bilan og'irlikdagi aloqaga ega qo'shni layers. Shaxsiy tugunlar ulangan tugunlardan olingan ma'lumotlarni oladi va og'irliklardan foydalanadi
6 chiqish qiymatlarini hisoblash uchun oddiy funktsiya bilan birgalikda. Neyron tarmoqlari turli shakllarda va arxitektura.Neyron tarmoq arxitekturasi, shu jumladan yashirin qatlamlar soni, soni tugunlarma'lum bir yashirin qatlamda va ularning ulanishida ko'pchilik ko'rsatiladi by foydalanuvchi muammoning murakkabligi. ANNse tuzilgan by nazorat, nazorat yoki hybrid ta'lim b mumkin usullari.
Kredit kartasidan yoki uning ma'lumotlaridan egasining bilimisiz noqonuniy foydalanish kredit deb ataladi karta firibgarligi.Turli kredit karta firibgarlik fokuslar qo'llash ikki guruhga asosan tegishli va qiziqishlariga firibgarlik.
Ilova firibgarligi, firibgarlar bankdan yangi kartalarni qo'llashganda yoki soxta yoki boshqa ma'lumotlarni yordamida kompaniyalari berish. Bir nechtaarizalar topshirilishi mumkinfoydalanuvchi tafsilotlari to'plamiga ega foydalanuvchi (takroriy firibgarlik deb ataladi) yoki bir xil tafsilotlarga ega bo'lgan turli foydalanuvchi (shaxsni firibgarlik deb ataladi). Boshqa tomondan, xulq-atvor firibgarligi to'rtta asosiy turga ega: o'g'irlangan / yo'qolgan karta,pochta o'g'irlanishi, qalbaki karta va " karta egasi mavjud emas " firibgarlik.O'g'irlangan / yo'qolgan karta firibgarlik sodir bo'lsa firibgarlar steala kredit karta yoki yo'qolgan kartaga kirish. Pochta o'g'irlik firibgarlik firibgar pochta yoki kredit karta olish qachon sodir bo'ladi haqiqiy karta egasi uchun yetib borishdan oldin bankdan shaxsiy ma'lumot.
Ham soxta, ham "karta" daega mavjud emas " firibgarliklar, kredit karta details karta egalari bilmasdan olinadi. Yilda avvalgi, masofaviy transharakatlar pochta, telefon yoki pochta orqali karta ma'lumotlari yordamida amalga oshirilishi mumkin Internet. Ikkinchisida soxta kartalar karta ma'lumotlari asosida amalga oshiriladi. Statistik ma'lumotlarga asoslanib 2012 yilda kredit karta firibgarligi tahdidiga duch keladigan yuqori xavfli mamlakatlar rasmda tasvirlangan.1. Ukraina 19% bilan eng ko'p firibgarlik darajasiga ega, bu yaqindan kuzatiladi Indoneziya tomonidan 18,3% firibgarlik darajasi. Bu ikkisidan keyin Yugoslaviya 17,8% stavka bilan eng xavfli hisoblanadi mamlakat. Keyingi eng yuqori firibgarlik darajasi Malayziya (5,9%), Turkiya (9%) va nihoyat Yunaytedga tegishli Shtatlar. Kredit karta firibgarligi uchun pr une bo'lgan boshqa mamlakatlar 1% dan past stavka bilan emas 1-rasmda namoyish etilgan.
|
| |
