数据集概述
本数据集为匿名化数据，提取自法国巴黎银行个人金融（BNP PARIBAS PERSONAL FINANCE）的在线分期付款产品，包含可构建为图结构的银行欺诈数据（类别不平衡），用于机器学习模型的训练与验证。
文件详解
- 图结构文件：
- donnees_sommets.csv：CSV格式，含十四列，存储图中节点编号及相关数据
- liens_sommets.csv：CSV格式，存储图中节点间的连接关系，含SOURCE（源节点）、TARGET（目标节点）字段
- 训练验证文件：
- train_cv_GNN.csv：CSV格式，用于构建训练集和交叉验证集（GNN模型）
- train_cv_ME.csv：CSV格式，用于构建训练集和交叉验证集（ME模型）
- 测试文件：
- test_GNN.csv：CSV格式，用于构建测试集（GNN模型）
- test_ME.csv：CSV格式，用于构建测试集（ME模型）
- 时间外验证文件：
- observation_perf.csv：CSV格式，含已融资的申请数据，用于对比模型与现有方法的性能
- 补充文档：
- Fichier_complémentaire.pdf：PDF格式，提供数据集的详细说明
数据来源
Facci Aurélien、Pinaud Bruno、Cavarroc Julie及Pidash Angelina的论文《Apprentissage machine appliqué à la détection de fraudes bancaires》，数据提取自BNP PARIBAS PERSONAL FINANCE的在线分期付款产品
适用场景
- 金融欺诈检测研究：分析分期付款场景下的欺诈模式
- 图神经网络应用：基于图结构数据构建欺诈检测模型
- 机器学习模型验证：用于评估不同模型在类别不平衡数据上的性能
- 金融风控优化：对比现有风控方法与新模型的效果差异
