课程目录
1-1 [欺诈检测（Fraud Detection）概述] 欺诈检测课程介绍 (12:01) 1-2 [欺诈检测（Fraud Detection）概述] 欺诈检测的一些基本概念 (06:09) 1-3 [欺诈检测（Fraud Detection）概述] 欺诈检测的难点所在 (14:11) 1-4 [欺诈检测（Fraud Detection）概述] 欺诈检测模型和信用评分模型的差异 (12:22) 1-5 [欺诈检测（Fraud Detection）概述] 欺诈检测的三种分析思路 (17:08) 1-6 [欺诈检测（Fraud Detection）概述] 本课程案例数据及文档下载 (10) 2-1 [医疗保险欺诈案例的数据理解] 医疗保险欺诈案例概况 (19:45) 2-2 [医疗保险欺诈案例的数据理解] 数据理解与数据准备阶段要做的工作 (07:15) 2-3 [医疗保险欺诈案例的数据理解] 特征工程概述 (19:24) 2-4 [医疗保险欺诈案例的数据理解] 【复习】对案例的数据探索：概述 (13:05) 2-5 [医疗保险欺诈案例的数据理解] 【复习】对案例的数据探索：代码实现 (16:34) 2-6 [医疗保险欺诈案例的数据理解] 【复习】极端值与异常值的处理 (15:25) 2-7 [医疗保险欺诈案例的数据理解] 连续特征的处理思路 (12:08) 2-8 [医疗保险欺诈案例的数据理解] 分类特征的处理思路 (08:34) 2-9 [医疗保险欺诈案例的数据理解] 数据衍生的基本思路 (24:21) 2-10 [医疗保险欺诈案例的数据理解] 结合业务背景对案例做数据理解 (12:02) 3-1 [用比对法发现欺诈] 模型0：异常值发现 (06:15) 3-2 [用比对法发现欺诈] 【复习】SVM的基本原理 (14:34) 3-3 [用比对法发现欺诈] 【复习】异常值检测的基本理论 (11:46) 3-4 [用比对法发现欺诈] 【复习】用单类SVM完成新奇值发现 (09:00) 3-5 [用比对法发现欺诈] 异常值发现的代码实现 (10:50) 3-6 [用比对法发现欺诈] 模型1：通过变量间的对比发现疑似欺诈 (11:34) 4-1 [用比较法发现欺诈] 【复习】聚类分析概述 (15:22) 4-2 [用比较法发现欺诈] 【复习】聚类分析的方法分类 (10:01) 4-3 [用比较法发现欺诈] 【复习】K-means聚类 (14:03) 4-4 [用比较法发现欺诈] 什么是Benford定律 (15:10) 4-5 [用比较法发现欺诈] 模型2：通过Benford定律发现疑似欺诈 (10:41) 4-6 [用比较法发现欺诈] 模型3：通过对投保人细分发现疑似欺诈 (08:35) 4-7 [用比较法发现欺诈] 投保人细分发现欺诈的实现 (12:39) 4-8 [用比较法发现欺诈] 模型4：发现医疗保健机构行为模式异常 (07:25) 5-1 [用模型法发现欺诈] 模型5：发现多个医疗保健机构共用投保人信息 (06:54) 5-2 [用模型法发现欺诈] 【复习】关联分析的基本概念 (08:28) 5-3 [用模型法发现欺诈] 【复习】关联分析的数据格式与结果格式 (14:58) 5-4 [用模型法发现欺诈] 【复习】Apriori算法的原理与实现 (15:59) 5-5 [用模型法发现欺诈] 发现共用投保人信息的代码实现 (08:04) 5-6 [用模型法发现欺诈] 模型6：发现异常诊断与处理过程 (08:05) 5-7 [用模型法发现欺诈] 发现异常诊断和处理过程的代码实现 (14:23) 6-1 [监督学习方法的欺诈检测实例] PaySim案例简介 (09:30) 6-2 [监督学习方法的欺诈检测实例] PaySim案例的数据理解 (15:57) 6-3 [监督学习方法的欺诈检测实例] PaySim案例的数据准备 (07:31) 6-4 [监督学习方法的欺诈检测实例] 【复习】类别预测模型概述 (10:33) 6-5 [监督学习方法的欺诈检测实例] 【复习】类别预测模型的实现原理 (15:22) 6-6 [监督学习方法的欺诈检测实例] 【复习】类别预测模型的种类 (10:26) 6-7 [监督学习方法的欺诈检测实例] 【复习】树模型的基本原理 (15:06) 6-8 [监督学习方法的欺诈检测实例] 【复习】随机森林 (15:25) 6-9 [监督学习方法的欺诈检测实例] 直接用随机森林建模 (09:25) 6-10 [监督学习方法的欺诈检测实例] 【复习】数据不平衡问题 (22:43) 6-11 [监督学习方法的欺诈检测实例] 对数据进行加权处理后建模 (05:02)
