學習是最難掌握的，但如果不學習，你我永遠無法成長。多年來，作者嘗試了不同的東西，並且發現只有通過實踐才能更好的學習，而不只是通過閱讀。無論何時，當作者嘗試構建一些東西（在本例中是機器學習模型）時，會遇到錯誤或陷入現實世界中可能發生的"陷阱"。畢竟，理想中的世界是不存在的。所以為了幫助大家瞭解機器學習模型，作者將建立一個機器學習模型來預測信用卡詐騙。
最近作者在Udemy上學習了關於機器學習的相關課程。如果你剛剛涉獵這個領域，你可以去看看。作者認為他們的教學方式很獨特。通過他們，學到了一些基本的機器學習模型。本文將放出親自操作的步驟，讓大家有更加直觀的感受。這裡將使用Kaggle數據集，下載地址：（https://www.kaggle.com/mlg-ulb/creditcardfraud/data）。他還下載了Anaconda以便加載該模型的所有相關包（https://www.anaconda.com/download/）。也將在本文中使用Anaconda附帶的SpyderIDE。
當然，首先是創建一個python文件，並將其放在與DataSet相同的目錄中。
現在第一個問題是，你如何建立一個機器學習模型？讓我們回憶一下我們要幹什麼。我們是要建立一個機器學習模型來預防信用卡詐騙，其中詐騙是(1)安全是(0)。因此，很明顯，這是一個分類問題，有太多的模型可供選擇。但是讓我們看一下數據，我們會注意到，這裡有很多數據，大約二十九個不同的自變量和超過二十萬的觀測量。所以我們必須排除昂貴的計算模型。接下來，我們看到變量沒有標籤，很難知道它們是否相關。這加大了我們選擇模型的難度，因為有些方法需要所有變量都是完全獨立的。作者個人認為我們可以考慮使用邏輯迴歸進行分類，因為它可以很容易地處理大量的數據，並能很好地處理非線性數據。
在此之前，讓我們先看看邏輯迴歸是如何工作的：在邏輯迴歸中，我們創建了一個邏輯曲線，其上界為1，下界為0。這條曲線的X軸是自變量，我們用這條曲線得到一個在0-1之間發生的自變量的概率值。如果這個值大於0.5，我們可以說它比0更有可能成為1，所以它被歸類為1，反之亦然。你可以看看下面的圖片。
現在，沒有相關的庫，你就不能真正建立一個模型。但也不是不可以，只不過這無疑會增加難度。所以，讓我們使用import pandas吧，它可以處理數據的輸入和分割。
接下來，我們將使用pandas導入數據，我們還將在DataSet上使用"iloc[].value"命令來提取X和y變量。用於此的代碼如下所示：
確保.csv文件名正確！ "："的意思為在X矩陣中都遵循以下要求。另外，pandas應該導入所有行和所有列，除了最後一個列，因為最後一列是因變量。對y來說，pandas應該輸入所有行，但代碼中只有30行而不是31行的原因是Pyton從0開始而不是從1開始。作者第一次嘗試的時候，花了五分鐘才弄清這個原因。
下一步是將數據集拆分為訓練集和測試集。這可以使用"skLearning"庫中的一個函數來完成，這個函數名為"TRANTEST_Split"。我們需要將超過20萬的數據集80%用於訓練，20%用於測試。我們現在要做的就是創建X_TRAN、Y_TRAN、X_TEST和Y_TEST，並給它們賦值，這些值可以使用下面的行來完成：
讓我們再次打開數據集，似乎大部分數據已經被縮放了，所以我們不需要再進行縮放，除非處理的信用卡金額還未縮放。你可以縮放數據，但確保縮放數據的範圍不會影響整個結果。我們可以使用"skLearning"庫中的"StandardScaler"類來擴展數據。我們所做的就是調用StandardScaler函數並讓數據標準化。你可以使用下面的代碼來完成它。
現在，我們已經對數據進行了處理，並創建了一個邏輯迴歸函數。你可以利用它對詐騙數據進行分類。下面是具體的代碼。我們首先從"sklearn"中引進"邏輯迴歸"。然後，我們創建並將其命名為"classifier"，然後將其與X_TRAN和y_TRANS數據(如下所示)相匹配：
現在我們可以訓練我們的模型了，我們首先得測試它。這可以通過使用X_test值創建y_pred向量來實現。相關代碼如下所示：
恭喜！你已經創建了你的第一個機器學習模型。現在讓我們來看看模型的準確性。我們將創建一個混淆矩陣來策略模型的準確性。首先，我們從"skLearning"導入"confusion_matrix"，並使用以下代碼創建基於y_pred和y_test的混淆矩陣：
現在，我們只需在混淆矩陣中添加對應錯誤分類的部分，除以總數，再乘以100並且打印它。你可以使用下面的代碼來完成這項步驟：
現在，讓我們運行代碼，看看這個模型是否好用，運行代碼給出以下結果：
這對於一個簡單的機器學習模型來說真的很好了，但是它還是有些問題。我們需要轉到SpyderIDE中的變量資源管理器進行調整，你可以在下面的圖片中找到它：
從這裡我們將打開"cm"變量，這是我們的混淆矩陣並得到以下結果：
[0，0]部分對應於安全交易，從數據中看，我們做得很好。[0，1]是我們系統沒有捕捉到的詐騙交易，有九個。[1，0]部分是我們把安全交易歸為詐騙交易的數量，有37例。考慮到真正的交易數量，這是一個相當不錯的數字了。最後，[1，1]部分對應於正確區分出的詐騙交易的數量，我們在這一節中得到了64，這也是相當不錯的。總的來說，這是一個相當好和相當快的預測信用卡詐騙交易的模型，因為99%的交易被正確分類，87%的詐騙交易被"找見"。不過，我們還需要在其他數據集中測試它，以確定分類器是否有普適性，還是隻適合這個數據集。
所以，我們剛剛建立了一個很好的模型，感覺很好，對吧？在現實生活中，我們需要解決一些小問題，比如選擇正確的模型，以及如何評估你的模型，只有通過製作模型和發現它們的缺陷，你才能做得更好。這就是創造的魅力。通過這次操作，告訴了我們建立一個機器學習模型並不難。還有，所有基本的分類模型都遵循相同的結構，因此你可以繼續將其用於其他項目。
所以基本上：
你可以構建一個機器學習模型，即使你不知道大多數變量。
建立機器學習模型很容易，但選擇正確的機器學習模型則需要真正的能力。
正確評估你的模型是必要的，你可以通過混淆矩陣來完成。
閱讀更多 AI中國 的文章
