用于信用卡欺诈检测的可复现机器学习——实践手册

提前访问

预览版可在 https://fraud-detection-handbook.github.io/fraud-detection-handbook/Foreword.html 获取。

动机

用于信用卡欺诈检测的机器学习（ML for CCFD）已成为一个活跃的研究领域。这一点可以从过去十年间该主题上“数量惊人的出版物”中得到体现（参见 https://fraud-detection-handbook.github.io/fraud-detection-handbook/Chapter_2_Background/MachineLearningForFraudDetection.html）。

毫无疑问，将机器学习技术整合到支付卡欺诈检测系统中，极大地提升了其高效识别欺诈的能力。然而，在这一新兴研究领域中，一个主要问题在于缺乏可复现性。目前尚不存在公认的基准或方法论来比较和评估所提出的各种技术。

本书旨在朝着这一方向迈出第一步。书中提供的所有技术和结果均可复现。包含代码的部分均为 Jupyter 笔记本，既可以在本地运行，也可以通过 Google Colab 或 Binder 在云端执行。

本书的目标读者是那些从实践角度对信用卡欺诈检测这一特定问题感兴趣的学生或专业人士。更广泛地说，我们认为本书对于处理涉及序列数据和/或不平衡分类问题的机器学习任务的数据从业者和数据科学家也具有参考价值。

暂定目录：

• 第1章：本书概述
• 第2章：背景知识
• 第3章：入门
• 第4章：性能指标
• 第5章：模型选择
• 第6章：不平衡学习
• 第7章：深度学习
• 第8章：可解释性*

(*): 尚未发布。

当前草稿

本书的撰写工作仍在进行中。我们通过此 GitHub 仓库提供本书的早期访问版本。截至 2022 年 1 月，前七章已公开发布。

本书当前草稿的在线版本可在此处查看：https://fraud-detection-handbook.github.io/fraud-detection-handbook/。

欢迎提出任何意见或建议。我们建议使用 GitHub Issues 来讨论相关话题，并使用 Pull Requests 来修正错别字。

编译本书

若要在您的计算机上阅读或执行本书，您需要先克隆此仓库并编译本书。

本书为 Jupyter Book 格式，因此您首先需要安装 Jupyter Book（参见 https://jupyterbook.org/intro.html#install-jupyter-book）。

编译过程已在以下软件包版本下测试通过：

sphinxcontrib-bibtex==2.2.1
Sphinx==4.2.0
jupyter-book==0.11.2

完成上述步骤后，编译过程分为两步：

1. 克隆本仓库：

git clone https://github.com/Fraud-Detection-Handbook/fraud-detection-handbook

2. 编译本书：

jupyter-book build fraud-detection-handbook

编译完成后，本书将在本地路径 fraud-detection-handbook/_build/html/index.html 下可用。

许可证

笔记本中的代码采用 GNU GPL v3.0 许可证 发布。正文和图片则采用 CC BY-SA 4.0 许可证 发布。

如需引用本书，可使用以下格式：

@book{leborgne2022fraud,
title={Reproducible Machine Learning for Credit Card Fraud Detection - Practical Handbook},
author={Le Borgne, Yann-Aël and Siblini, Wissam and Lebichot, Bertrand and Bontempi, Gianluca},
url={https://github.com/Fraud-Detection-Handbook/fraud-detection-handbook},
year={2022},
publisher={Université Libre de Bruxelles}
}

作者

• Yann-Aël Le Borgne（联系作者 — yann-ael.le.borgne@ulb.be）— 比利时布鲁塞尔自由大学机器学习小组。
• Wissam Siblini — Worldline Labs 机器学习研究团队。
• Bertrand Lebichot — 卢森堡大学跨学科安全、可靠性和信任研究中心。
• Gianluca Bontempi — 比利时布鲁塞尔自由大学机器学习小组。

致谢

本书是比利时布鲁塞尔自由大学机器学习小组与 Worldline 公司之间长达十年合作的成果。

• 布鲁塞尔自由大学机器学习小组，首席研究员：Gianluca Bontempi
• Worldline 公司，研发负责人：Frédéric Oblé

我们衷心感谢在此合作期间参与该项目的所有同事：Olivier Caelen（布鲁塞尔自由大学机器学习小组/Worldline）、Fabrizio Carcillo（布鲁塞尔自由大学机器学习小组）、Guillaume Coter（Worldline）、Andrea Dal Pozzolo（布鲁塞尔自由大学机器学习小组）、Jacopo De Stefani（布鲁塞尔自由大学机器学习小组）、Rémy Fabry（Worldline）、Liyun He-Guelton（Worldline）、Gian Marco Paldino（布鲁塞尔自由大学机器学习小组）、Théo Verhelst（布鲁塞尔自由大学机器学习小组）。

此次合作得以实现，得益于布鲁塞尔地区科研与创新机构 Innoviris 的支持，通过一系列始于 2012 年、止于 2021 年的资助项目。

• 2018年至2021年：DefeatFraud：欺诈检测中深度特征工程与学习方案的评估与验证。Innoviris Team Up 计划。
• 2015年至2018年：BruFence：用于自动化防御系统的可扩展机器学习。Innoviris Bridge 计划。
• 2012年至2015年：用于信用卡欺诈检测的自适应实时机器学习。Innoviris Doctiris 计划。

目前，双方的合作仍在继续，依托于 Data Engineering for Data Science (DEDS) 项目——该计划属于欧盟“地平线 2020”框架下的玛丽·斯克沃多夫斯卡-居里创新培训网络（H2020-MSCA-ITN-2020）。

fraud-detection-handbook 快速上手指南

本指南旨在帮助开发者快速本地部署并运行《可复现的信用卡欺诈检测机器学习实用手册》。该项目基于 Jupyter Book 构建，包含完整的代码示例（Jupyter Notebook）和理论章节，专注于解决数据不平衡和序列数据分类问题。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (需安装 Git 和 Python 环境)
• Python 版本：推荐 Python 3.7+
• 前置依赖：
  • git：用于克隆代码仓库
  • pip 或 conda：用于安装 Python 包
  • 核心工具：jupyter-book (用于编译书籍)

注意：原文档测试通过的特定版本如下，若遇到兼容性问题，可参考安装：

• sphinxcontrib-bibtex==2.2.1
• Sphinx==4.2.0
• jupyter-book==0.11.2

安装步骤

1. 克隆项目仓库

使用终端或命令行工具克隆官方 GitHub 仓库：

git clone https://github.com/Fraud-Detection-Handbook/fraud-detection-handbook

2. 安装 Jupyter Book

进入项目目录（可选），并使用 pip 安装必要的构建工具。国内用户建议使用清华源或阿里源加速安装：

pip install jupyter-book -i https://pypi.tuna.tsinghua.edu.cn/simple

(如需严格复现原文档环境，可执行：pip install sphinxcontrib-bibtex==2.2.1 Sphinx==4.2.0 jupyter-book==0.11.2)

3. 编译书籍

执行以下命令将源码编译为本地可阅读的 HTML 格式：

jupyter-book build fraud-detection-handbook

基本使用

编译完成后，您可以在本地浏览器中查看完整内容并运行代码示例。

1. 打开书籍： 在文件管理器中找到生成的索引文件，路径为： fraud-detection-handbook/_build/html/index.html 双击打开或在浏览器中访问该文件。

2. 运行代码示例： 书中包含代码的章节均为 Jupyter Notebook。您可以选择以下两种方式运行：

   • 本地运行：在 _build 目录或源码目录中找到对应的 .ipynb 文件，使用 Jupyter Lab 或 Jupyter Notebook 打开并执行单元格。
   • 云端运行：根据书中提供的链接，直接使用 Google Colab 或 Binder 加载对应章节进行在线实验（需网络环境支持）。

3. 学习路径建议： 建议按顺序阅读，重点关注以下核心章节：

   • Chapter 4: 性能指标（针对不平衡数据的评估方法）
   • Chapter 6: 不平衡学习（处理欺诈检测核心难点）
   • Chapter 7: 深度学习（前沿模型应用）