金融交易欺诈检测-采样技术数据集-30天

金融交易欺诈检测-采样技术数据集-30天 数据来源：互联网公开数据 标签：欺诈检测,金融交易,采样技术,不平衡数据,机器学习,风险管理,数据分析,时间序列 数据概述： 本数据集模拟了金融交易中的欺诈行为，涵盖了为期30天的交易活动，其中每个时间步长代表现实世界中的一小时。数据集包含超过600万条数据样本，每笔交易被划分为五种类型：现金存入（CASH-IN）、现金取出（CASH-OUT）、借记（DEBIT）、支付（PAYMENT）或转账（TRANSFER）。这些交易涉及本地货币在客户之间的交换，详细记录了发起者和接收者的身份、初始和最终余额，以及“isFraud”标签，该标签明确标示了欺诈行为的存在。

数据用途概述： 该数据集主要用于欺诈检测研究，特别适用于研究不平衡数据集的处理方法，如欠采样和过采样技术。研究人员可以利用此数据开发和评估欺诈检测模型，分析不同交易类型中的欺诈模式，并探索检测客户账户被劫持、资金被转移到其他账户等欺诈行为的方法。该数据集还可用于风险管理、机器学习模型训练和数据分析等领域，帮助提升金融系统的安全性。