扩展：
机器学习——K 折交叉验证（K-Fold Cross Validation），案例：逻辑回归 交叉寻找最佳惩罚因子C-CSDN博客
https://blog.csdn.net/2302_78022640/article/details/149854798?spm=1001.2014.3001.5502机器学习——分类问题中的阈值threshold、分类指标、混淆矩阵，案例：逻辑回归 信用卡欺诈检测-CSDN博客https://blog.csdn.net/2302_78022640/article/details/149854326?spm=1001.2014.3001.5502机器学习——下采样（UnderSampling），解决类别不平衡问题，案例：逻辑回归 信用卡欺诈检测-CSDN博客https://blog.csdn.net/2302_78022640/article/details/149854297?spm=1001.2014.3001.5502机器学习——过采样（OverSampling），解决类别不平衡问题，案例：逻辑回归 信用卡欺诈检测-CSDN博客https://blog.csdn.net/2302_78022640/article/details/149857550?spm=1001.2014.3001.5502
使用逻辑回归识别 信用卡欺诈行为：基于creditcard.csv的实战与评估分析
项目背景
在金融行业中，信用卡欺诈检测是一项关键任务。欺诈交易在整个交易中占比极低，导致数据极度不平衡。本案例通过经典数据集 creditcard.csv，构建逻辑回归模型，并使用多个评价指标（如准确率、召回率、F1 等）来全面评估模型性能。
数据介绍
信用卡欺诈检测数据集 creditcard.csv
样本总数：284,807 条
特征数：30（28个匿名特征 + 金额
Amount+ 时间Time）目标变量：
Class（0=正常交易，1=欺诈交易）
完整代码解析
import pandas as pd # 用于数据处理和分析
from sklearn.linear_model import LogisticRegression # 导入逻辑回归模型
from sklearn.model_selection import train_test_split # 用于拆分训练集和测试集
from sklearn.preprocessing import StandardScaler # 用于数据标准化处理
# 读取信用卡交易数据
data = pd.read_csv('creditcard.csv')
# 初始化标准化器，将数据转换为均值为0、标准差为1的分布
scaler = StandardScaler()
# 对Amount列进行标准化处理，并覆盖原始数据
data['Amount'] = scaler.fit_transform(data[['Amount']])
# 准备特征数据X（排除时间和目标变量）和目标变量y（欺诈标签）
X = data.drop(["Time","Class"], axis=1)
y = data.Class
# 将数据拆分为训练集(70%)和测试集(30%)，设置随机种子保证结果可复现
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=100)
# 初始化逻辑回归模型并在训练集上训练
model = LogisticRegression()
model.fit(X_train, y_train)
# 使用训练好的模型在测试集上进行预测
y_pred = model.predict(X_test)
# 计算并打印模型在测试集上的准确率
accuracy = model.score(X_test, y_test)
print(f'准确率：{accuracy}')
# 导入评估指标库并生成详细的分类报告
from sklearn import metrics
print('分类报告:')
print(metrics.classification_report(y_test, y_pred))
# 统计目标变量Class中各类别的样本数量（查看数据分布，尤其是欺诈与正常交易的比例）
labels_count = pd.value_counts(data['Class'])
print(labels_count)模型评估指标详解（来自sklearn.metrics.classification_report）
在欺诈检测中，“准确率”往往是不可靠的。因为如果模型预测全为 0（正常交易），准确率仍然可能达到 99.9%。
因此，我们重点关注如下指标：
| 指标名称 | 说明 |
|---|---|
| Precision（精确率） | 被预测为正类的条目中 真正是正类的比例。衡量“预测为欺诈中真正欺诈”的比例 |
| Recall（召回率） | 实际为正类的条目中 被预测是正类的比例。（检出率） |
| F1-score | 精确率和召回率的调和平均，平衡二者 |
| Support | 每个类在测试集中出现的样本数。如85301为测试集（284,807条的30%）中的“0”类 |
示例输出：
重点分析 1 类（欺诈交易）
Precision = 0.77：误报很多，意味着模型判定为欺诈的交易中，存在不少误判情况。
Recall = 0.65：召回率并不好，说明很多欺诈并没有被识别。
F1-score = 0.70：它综合考虑了精确率（Precision）和召回率（Recall），用于衡量在不平衡数据集中模型对“少数类”的综合表现。
support: 85301表示测试集中0的条数，142表示测试集中1的条数
之所以预测结果并不好，是因为数据的极度不平衡：
28万条 的 正常交易
492条 的 欺诈交易
模型优化建议
| 方法 | 原理 |
|---|---|
下采样（Undersampling） |
减少多数类样本，使正负样本比例接近，降低模型对多数类的偏好。适用于数据量较大的场景，但可能丢失信息。 |
| 过采样（Oversampling） | 通过复制少数类或生成合成样本（如SMOTE）来平衡数据，提高模型对少数类的识别能力。适用于数据稀缺时。 |
| 调整阈值（threshold） | 将默认的分类阈值（通常为0.5）向下调整，使模型更容易预测为“欺诈”类，从而提高 Recall，适用于对漏检特别敏感的任务 |
| 调整类别权重（class_weight） | 在训练过程中对少数类样本给予更高权重，引导模型更关注少数类。可通过设置 class_weight='balanced' 实现，适用于多数 sklearn 分类器。 |
此文章同一专栏内包含有1.下采样、2.过采样、3.调整阈值、4.LogisticRegression()的参数
class_weight='balanced'即为LogisticRegression()的参数
总结
逻辑回归虽为线性模型，但在欺诈检测中依然具备一定实用性。通过合理的数据预处理、参数设置（如 class_weight='balanced'）、指标解读，可以使模型在真实场景中更可靠。评价指标远比准确率更重要，特别是在处理不平衡分类问题时。