原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
分析流程
数据源：
CardFraud(1).xlsx
算法配置：
算法：XGBoost分类
分析结果：
XGBoost分类基于准确率、召回率、精确率、F1指标对模型进行评价，请看详细结论。
分析步骤
1.通过训练集数据来建立XGBoost分类模型。
2.通过建立的XGBoost来计算特征重要性。
3.将建立的XGBoost分类模型应用到训练、测试数据，得到模型的分类评估结果。
4.由于XGBoost具有随机性，每次运算的结果不一样，若保存本次训练模型，后续可以直接上传数据代入到本次训练模型进行计算分类。
5.注：XGBoost无法像传统模型一样得到确定的方程，通常通过测试数据分类效果来对模型进行评价。
详细结论
输出结果1：模型参数
参数名
参数值
训练用时
3.063s
数据切分
0.8
数据洗牌
是
交叉验证
10
基学习器
gbtree
基学习器数量
100
学习率
0.1
L1正则项
0
L2正则项
1
样本征采样率
1
树特征采样率
1
节点特征采样率
1
叶子节点中样本的最小权重
0
树的最大深度
10
图表说明：
上表展示了模型各项参数配置以及模型训练时长。
输出结果2：特征重要性
图表说明：
上柱形图或表格展示了各特征（自变量）的重要性比例。
输出结果3：混淆矩阵热力图
图表说明：
上表以热力图的形式展示了混淆矩阵。
输出结果4：模型评估结果
准确率
召回率
精确率
F1
训练集
1
1
1
1
交叉验证集
0.999
0.999
0.999
0.999
测试集
0.998
0.998
0.999
0.998
图表说明：
上表中展示了交叉验证集、训练集和测试集的预测评价指标，通过量化指标来衡量XGBoost的预测效果。其中，通过交叉验证集的评价指标可以不断调整超参数，以得到可靠稳定的模型。
●准确率：预测正确样本占总样本的比例，准确率越大越好。
●召回率：实际为正样本的结果中，预测为正样本的比例，召回率越大越好。
●精确率：预测出来为正样本的结果中，实际为正样本的比例，精确率越大越好。
●F1：精确率和召回率的调和平均，精确率和召回率是互相影响的，虽然两者都高是一种期望的理想情况，然而实际中常常是精确率高、召回率就低，或者召回率低、但精确率高。若需要兼顾两者，那么就可以用F1指标。
输出结果5：预测结果
预测结果Y
Fraud
预测测试结果概率_0.0
预测测试结果概率_1.0
Distance1
Distance2
Ratio
Repeat
Card
Pin
Online
0.0
0.0
0.9998943209648132
0.00010566115815890953
270.340574007
0.765219448
1
1
0
1
0.0
0.0
0.9998943209648132
0.00010566115815890953
0.438069754
2.871724592
0.927783128
0
1
0
1
0.0
0.0
0.9998685121536255
0.00013148851576261222
3.523705943
13.581080975
1
0
0
1
0.0
0.0
0.9998943209648132
0.00010566115815890953
5.711358775
1.962593662
01
1
0
1
0.0
0.0
0.9998553991317749
0.00014461795217357576
360.892513738
0.717541405
1
0
0
1
0.0
0.0
0.9989445209503174
0.0010554593754932284
181.356267837
4.649125462
1
0
0
0
1.0
1.0
0.0006459355354309082
0.9993540644645691
142351
0
0
1
0.0
0.0
0.9998685121536255
0.00013148851576261222
2.721778965
2.746208281
0.672117967
1
0
0
1
0.0
0.0
0.9998685121536255
0.00013148851576261222
1.945781498
0.124593994
0.148840856
1
0
0
1
0.0
0.0
0.9998830556869507
0.00011694108252413571
1.888632974
0.151
文档评论（0）