CMIDCMIDataset欺诈检测预测数据集-nurhatbayda
数据来源：互联网公开数据
标签：欺诈检测，金融风控，机器学习，风险评估，预测模型，CatBoost，TabNet，模型评估
数据概述：
该数据集包含用于欺诈检测预测的数据，主要来源于CMID (CMIDataset) 项目。主要特征如下：
时间跨度：数据未明确标注时间范围，可视为静态数据集。
地理范围：数据未限定地理范围，适用于通用欺诈检测模型训练。
数据维度：
submission.csv: 包含 'id' 和 'sii' 两个字段，其中'id'为样本标识符，'sii'为预测的欺诈可能性（0或1）。
catboost_info/learn_error.tsv: 包含训练过程中CatBoost模型的迭代次数('iter')和均方根误差('RMSE')。
数据格式：包含多种格式，包括.csv、.pt、.json、.html、.tsv，其中submission.csv和catboost_info/learn_error.tsv为结构化数据，便于分析。
来源信息：数据集来源于CMID (CMIDataset) 项目，具体数据来源未明确说明，但已进行预处理和模型训练。
该数据集适用于金融风控、风险评估等领域，特别是欺诈检测和预测模型的构建与评估。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于欺诈检测、风险评估等领域的研究，特别是机器学习模型在金融领域的应用。
行业应用：为金融机构提供欺诈风险预测模型训练和评估的数据支持，助力风险管理和决策制定。
决策支持：支持金融机构的风险控制策略优化，提升欺诈检测的准确性和效率。
教育和培训：作为机器学习、数据挖掘和风险管理课程的实训材料，帮助学生和研究人员深入理解欺诈检测模型。
此数据集特别适合用于构建和评估欺诈检测模型，探索不同模型的性能，并优化风险控制策略，实现对欺诈行为的有效识别和预防。
