使用邏輯回歸識別 信用卡欺詐行為：基于creditcard.csv的實戰與評估分析

---

項目背景

在金融行業中，信用卡欺詐檢測是一項關鍵任務。欺詐交易在整個交易中占比極低，導致數據極度不平衡。本案例通過經典數據集 creditcard.csv，構建邏輯回歸模型，并使用多個評價指標（如準確率、召回率、F1 等）來全面評估模型性能。

---

數據介紹

信用卡欺詐檢測數據集?creditcard.csv

• 數據來源：Kaggle Credit Card Fraud Detectionhttps://www.kaggle.com/datasets/mlg-ulb/creditcardfraud

• 樣本總數：284,807 條

• 特征數：30（28個匿名特征 + 金額 Amount + 時間 Time）

• 目標變量：Class（0=正常交易，1=欺詐交易）

?? ?

---

完整代碼解析

import pandas as pd  # 用于數據處理和分析
from sklearn.linear_model import LogisticRegression  # 導入邏輯回歸模型
from sklearn.model_selection import train_test_split  # 用于拆分訓練集和測試集
from sklearn.preprocessing import StandardScaler  # 用于數據標準化處理# 讀取信用卡交易數據
data = pd.read_csv('creditcard.csv')# 初始化標準化器，將數據轉換為均值為0、標準差為1的分布
scaler = StandardScaler()
# 對Amount列進行標準化處理，并覆蓋原始數據
data['Amount'] = scaler.fit_transform(data[['Amount']])# 準備特征數據X（排除時間和目標變量）和目標變量y（欺詐標簽）
X = data.drop(["Time","Class"], axis=1)
y = data.Class# 將數據拆分為訓練集(70%)和測試集(30%)，設置隨機種子保證結果可復現
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=100)# 初始化邏輯回歸模型并在訓練集上訓練
model = LogisticRegression()
model.fit(X_train, y_train)# 使用訓練好的模型在測試集上進行預測
y_pred = model.predict(X_test)
# 計算并打印模型在測試集上的準確率
accuracy = model.score(X_test, y_test)
print(f'準確率：{accuracy}')# 導入評估指標庫并生成詳細的分類報告
from sklearn import metrics
print('分類報告:')
print(metrics.classification_report(y_test, y_pred))# 統計目標變量Class中各類別的樣本數量（查看數據分布，尤其是欺詐與正常交易的比例）
labels_count = pd.value_counts(data['Class'])
print(labels_count)

---

模型評估指標詳解（來自sklearn.metrics.classification_report）

在欺詐檢測中，“準確率”往往是不可靠的。因為如果模型預測全為 0（正常交易），準確率仍然可能達到 99.9%。

因此，我們重點關注如下指標：

指標名稱	說明
Precision（精確率）	被預測為正類的條目中? 真正是正類的比例。衡量“預測為欺詐中真正欺詐”的比例
Recall（召回率）	實際為正類的條目中? 被預測是正類的比例。（檢出率）
F1-score	精確率和召回率的調和平均，平衡二者
Support	每個類在測試集中出現的樣本數。如85301為測試集（284,807條的30%）中的“0”類

示例輸出：

---

重點分析 1 類（欺詐交易）

• Precision = 0.77：誤報很多，意味著模型判定為欺詐的交易中，存在不少誤判情況。

• Recall = 0.65：召回率并不好，說明很多欺詐并沒有被識別。

• F1-score = 0.70：它綜合考慮了精確率（Precision）和召回率（Recall），用于衡量在不平衡數據集中模型對“少數類”的綜合表現。

• support: 85301表示測試集中0的條數，142表示測試集中1的條數

之所以預測結果并不好，是因為數據的極度不平衡：

28萬條 的 正常交易

492條 的?欺詐交易

---

模型優化建議

方法	原理
下采樣（Undersampling）	減少多數類樣本，使正負樣本比例接近，降低模型對多數類的偏好。適用于數據量較大的場景，但可能丟失信息。
過采樣（Oversampling）	通過復制少數類或生成合成樣本（如SMOTE）來平衡數據，提高模型對少數類的識別能力。適用于數據稀缺時。
調整閾值（threshold）	將默認的分類閾值（通常為0.5）向下調整，使模型更容易預測為“欺詐”類，從而提高 Recall，適用于對漏檢特別敏感的任務
調整類別權重（class_weight）	在訓練過程中對少數類樣本給予更高權重，引導模型更關注少數類。可通過設置 class_weight='balanced' 實現，適用于多數 sklearn 分類器。

此文章同一專欄內包含有1.下采樣、2.過采樣、3.調整閾值、4.LogisticRegression()的參數

class_weight='balanced'即為LogisticRegression()的參數

---

總結

邏輯回歸雖為線性模型，但在欺詐檢測中依然具備一定實用性。通過合理的數據預處理、參數設置（如 class_weight='balanced'）、指標解讀，可以使模型在真實場景中更可靠。評價指標遠比準確率更重要，特別是在處理不平衡分類問題時。