商务智能诈欺与屏蔽.ppt

1、聚类分析。 2、神经网络建模。 3、异常检测。 4、此实验显示了 Clementine 在检测诈欺行为方面的应用。这一领域涉及农业发展财政补贴申请。有两种财政补贴类型在考虑之列：耕地开发财政补贴和退役田地财政补贴。 1、我们需要建立两个模型 2、分析通过两个阶段执行：先使用“异常检测”进行预筛选，然后使用“神经网络”模型进行深入分析。 ?? ID。唯一标识符。 ?? 姓名。申请人姓名。 ?? 区域。地理位置（中部／北部／西南部／东南部）。 ?? 田地质量。以整数为计量单位 - 农户申报的田地质量。 ?? 降雨量。以整数为计量单位 - 田地年降雨量。 ?? 田地收入。以实数为计量单位 - 申报的田地年收入。 ?? 主要农作物。主产农作物（玉米／小麦／马铃薯／油菜籽）。 ?? 申请类型。申请的财政补贴(decommission_land/arable_dev)。 ?? 申请金额。以实数为计量单位 - 申请的财政补贴额。 题目一：欺诈屏蔽（异常检测/神经网络） 2 目录 一.研究目的 二.研究内容 三.模型建立与分析： 模型一 模型二 四.总结 一.研究目的 与过程 虚拟数字化 本例使用虚拟数据演示如何通过分析方法来发现与标准数据的偏差，同时突出了有必要进一步调查的异常记录。财政补贴申请金额取决于田地的类型和大小，您会特别关注其中的不合理部分。 3 熟悉各种聚类分析方法 了解神经网络分析方法与过程 掌握异常检 测的方法 二.研究内容 三.模型建立与模型分析 数据包含的九个字段 模型一 按照给出的教程一步一步操作，可以得出模型一 1.分布规律性不明显，基本无规律可循 2.个别点异常，被标为红色 3.需要进一步观察分析 你看到图的第一感觉？ 模型二 一块田地同时出现多份财政补贴资助申请表 模型二分析 作用：通过叠加申请类型检查其会不会影响评估收入之间 的差距 结论：观察得大偏差都发生arable_dev 财政补贴上，就可以只选择 arable_dev 财政补贴申请 一张预期申请金额与实际申请金额的比较图。 1.分布规律性明显，基本成正相关 2.大多数案例的预期申请金额与实际申请金额都基本相符 你看到图的第一感觉？ 大多数案例的预期申请金额与实际申请金额都基本相符 说明实际申请金额与预估申请金额之间的差异 了解申请金额比预估金额高的人。 作用 目的 常态 通过重走异常检测，进一步调查claimdiff 值相对较大的人 上表列出的是运用两种方法勘察后得出的比较可疑的数据。 注意：不同的方法，其返回结果也将有所不同。测试两种方法有效性的最佳办法是检查有问题的记录，然后看与哪些记录关系最大（即本例中的诈欺申请）。 实验室教程比较详细，具有很强的指导性，所以在建模与分析过程中疑问较少，基本能顺利完成任务 优点 对于实验目的了解不够深入，及实验方法探究不深，导致脱离实验指导后未能独立完成 缺点 四.总结 关于实验总结 运用两种勘察方法得出的 结果是可疑，但不代表一 定有欺诈行为 本次实验主要是“异常检测”和基于“神经网络”的建模方法 在一个实例中，往往需要 多种方法才能得出比较可 靠的结果 数据分析的过程是一个层 次递进的过程，相互关联， 而不是独立进行的 运用两种勘察方法得出的 结果是可疑，但不代表一 定有欺诈行为 运用两种勘察方法得出的 结果是可疑，但不代表一 定有欺诈行为 01 02 03 04 大 谢 家 谢 哦 *