在线拍卖恶意竞拍行为检测数据集OnlineAuctionShillBiddingDetectionDataset-ardikurniawan
数据来源：互联网公开数据
标签：恶意竞拍, 拍卖欺诈, 数据挖掘, 二分类, 行为分析, 机器学习, 风险评估, 异常检测
数据概述：
该数据集包含来自在线拍卖平台的数据，记录了参与竞拍者的行为特征，用于识别潜在的恶意竞拍行为。主要特征如下：
时间跨度：数据未标明具体时间，视作静态数据集使用。
地理范围：数据来源于在线拍卖平台，未限定具体地理范围。
数据维度：数据集包含多个字段，包括：Record_ID（记录ID），Auction_ID（拍卖ID），Bidder_ID（竞拍者ID），Bidder_Tendency（竞拍者倾向），Bidding_Ratio（竞拍比例），Successive_Outbidding（连续出价），Last_Bidding（最后出价），Auction_Bids（拍卖竞价次数），Starting_Price_Average（起始价格平均值），Early_Bidding（早期竞价），Winning_Ratio（胜出比例），Auction_Duration（拍卖持续时间），Class（类别标签，0表示正常竞拍，1表示恶意竞拍）。
数据格式：CSV格式，文件名为Shill Bidding Dataset.csv，便于数据分析和模型构建。
来源信息：数据来源于公开的学术研究或数据集分享平台，旨在促进对在线拍卖欺诈行为的研究。该数据集已进行结构化处理，方便直接应用于分析。
该数据集适合用于恶意竞拍行为检测、欺诈识别、风险评估等研究和应用。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于在线拍卖欺诈行为、行为分析和机器学习交叉领域的学术研究，如恶意行为模式识别、异常检测算法评估等。
行业应用：为在线拍卖平台提供数据支持，尤其适用于风险控制、欺诈预防、竞拍者信誉评估等应用。
决策支持：支持平台制定更有效的风险管理策略，提升用户体验，维护公平竞拍环境。
教育和培训：作为数据挖掘、机器学习、风险管理等相关课程的辅助材料，帮助学生和研究人员深入理解恶意竞拍行为。
此数据集特别适合用于探索竞拍者行为与恶意竞拍之间的关联，帮助用户构建和优化欺诈检测模型，提升平台安全性和用户信任度。
