使用 Keras 中的自编码器进行信用卡欺诈检测

完整解释请参见这篇博客文章。源代码兼容 TensorFlow 1.1 和 Keras 2.0.4。

从零开始的动手机器学习

想更深入地理解机器学习算法吗？不妨用 Python 从头实现它们：

在此阅读本书

Credit-Card-Fraud-Detection-using-Autoencoders-in-Keras 快速上手指南

本指南帮助中国开发者快速部署并运行基于 Keras 自编码器的信用卡欺诈检测项目。

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
• Python 版本：推荐 Python 3.6+（注意：原项目基于较旧版本构建，但现代环境通常兼容）
• 核心依赖：
  • TensorFlow 1.1 (或兼容的早期版本)
  • Keras 2.0.4
  • NumPy, Pandas, Scikit-learn, Matplotlib

注意：由于该项目指定了较旧的 TensorFlow 和 Keras 版本，建议在虚拟环境中运行以避免与现有项目冲突。

安装步骤

1. 克隆项目仓库

   git clone https://github.com/curiousily/Credit-Card-Fraud-Detection-using-Autoencoders-in-Keras.git
   cd Credit-Card-Fraud-Detection-using-Autoencoders-in-Keras
   

2. 创建并激活虚拟环境

   python -m venv venv
   # Linux/macOS
   source venv/bin/activate
   # Windows
   venv\Scripts\activate
   

3. 安装依赖包 为了获得更快的下载速度，推荐使用国内镜像源（如清华源）安装特定版本的 TensorFlow 和 Keras，以及其他必要库：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.1.0 keras==2.0.4 numpy pandas scikit-learn matplotlib
   

   如果项目中包含 requirements.txt 文件，也可尝试直接安装，但需手动指定上述版本以防冲突：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

基本使用

本项目主要通过运行 Python 脚本来训练自编码器模型并检测欺诈交易。

1. 准备数据 确保当前目录下存在信用卡欺诈数据集（通常为 creditcard.csv）。如果仓库中未包含该文件，请先从 Kaggle Credit Card Fraud Detection 下载并放入项目根目录。

2. 运行训练与检测脚本 执行主要的 Python 脚本（根据仓库文件结构，通常为 main.py 或类似名称，此处以通用运行为例）：

   python main.py
   

   注：如果仓库中包含多个脚本，请优先运行包含模型训练逻辑的主脚本。

3. 查看结果 脚本运行完成后，终端将输出模型的训练损失、验证损失以及分类报告（Precision, Recall, F1-Score）。同时，程序会生成可视化图表（如损失曲线图），展示自编码器在区分正常交易与欺诈交易方面的表现。

如需深入了解算法原理及代码细节，请参考原作者的博客文章：Credit Card Fraud Detection using Autoencoders in Keras。