金融交易欺诈行为检测数据集-模拟交易-时间序列-kcoder123
数据来源：互联网公开数据
标签：欺诈检测,金融交易,时间序列,风险管理,机器学习,异常检测,交易类型,账户分析
数据概述：
本数据集模拟了金融交易中的欺诈行为，旨在为欺诈检测模型提供训练和测试数据。数据集模拟了30天（744个时间步长，每个时间步长代表1小时）的交易活动，涵盖了多种交易类型，并标记了欺诈性交易。数据包含多项关键字段，用于分析账户行为和识别潜在的欺诈行为模式。
字段说明：
step：模拟世界中的时间单位，1个step代表1小时。总共744个step（30天模拟）。
type：交易类型，包括CASH-IN（现金存入），CASH-OUT（现金取出），DEBIT（借记），PAYMENT（支付）和TRANSFER（转账）。
amount：交易金额，以当地货币为单位。
nameOrig：发起交易的客户。
oldbalanceOrg：交易前发起方账户的初始余额。
newbalanceOrig：交易后发起方账户的新余额。
nameDest：交易的收款方客户。
oldbalanceDest：交易前收款方账户的初始余额。注意，对于以"M"开头的客户（商家），没有此信息。
newbalanceDest：交易后收款方账户的新余额。注意，对于以"M"开头的客户（商家），没有此信息。
isFraud：该笔交易是否为欺诈行为。本数据集中，欺诈行为模拟了欺诈者控制客户账户并试图通过转账和提现来窃取资金。
isFlaggedFraud：该字段标识了业务模型标记的欺诈尝试。在本数据集中，单笔交易金额超过200,000的转账行为会被标记为非法尝试。
数据用途概述：
该数据集适用于开发和评估欺诈检测模型，进行账户行为分析，研究欺诈交易模式，以及进行风险管理策略的制定。具体应用包括：
构建机器学习模型：训练分类模型，预测交易是否为欺诈。
异常检测：识别账户行为中的异常模式，如高额提款、异常转账等。
风险评估：评估不同交易类型和金额的风险水平。
行为分析：分析欺诈者常用的交易手法，为风险控制提供依据。
数据集也适用于金融领域的研究、教学和案例分析，帮助理解欺诈行为的特点和应对措施。
