Python分析信用卡反欺诈！骗我程序员，不存在的

看看各个变量与正常、欺诈之间是否存在联系，为了更直观展示，通过distplot图来逐个判断，如下：

features=[x for x in crecreditcard_data.columns  
 if x not in ['Time','Amount','Class']] 
plt.figure(figsize=(12,28*4)) 
gs =gridspec.GridSpec(28,1) 
import warnings 
warnings.filterwarnings('ignore') 
for i,cn in enumerate(crecreditcard_data[v_features]): 
 ax=plt.subplot(gs[i]) 
 sns.distplot(crecreditcard_data[cn][crecreditcard_data.Class==1],bins=50,color='red') 
 sns.distplot(crecreditcard_data[cn][crecreditcard_data.Class==0],bins=50,color='green') 
 ax.set_xlabel('') 
 ax.set_title('直方图：'+str(cn)) 
plt.savefig('各个变量与class的关系.png',transparent=False,bbox_inches='tight') 
plt.show() 

红色表示欺诈，绿色表示正常

• 两个分布的交叉面积越大，欺诈与正常的区分度最小，如V15;
• 两个分布的交叉面积越小，则该变量对因变量的影响越大，如V14;

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!