什么叫欺诈？简单点说就是一堆数据当中有不正确的值，即异常值。现在有一个csv文件，这是一个信用卡欺诈数据的csv文件，具体指标如下所示：
在pycharm中用pandas读取该csv文件，所得的结果有所省略，但是可以看出来，数据共有31列，出去收尾，数据从V1…V28结束，这些数据都比较特别，根本不懂是什么意思，其实，在公布数据集的时候，银行为了保护客户隐私，早就进行过数据预处理了，通过降维（如PCA）手段提取主特征信息，最终生成上述数据集。所以，针对上述数据集，我们并不需要进行数据处理，我们只需要考虑清楚如何针对自己的项目或需求进行建模操作。
通常来说，我们把值分为2类，一类是正常值，一类是异常值。分别用0和1表示，即为：
| 0 | 正常(正样本) |
|---|---|
| 1 | 异常(负样本) |
那么也就是说，我们接下来要做的就是一个分类任务，把0和1通过一个分界线分开来，即做一个经典的二分类问题。那么在上图中，究竟哪列可以作为分类标签使用呢、Time表示支付的时间，Amount表示支付的金额，Class可以表示标签，0表示正样本，1表示负样本。
一想到二分类问题，首先采用逻辑回归算法，如果逻辑回归行不通，可以采用SVM、神经网络等算法。
1、样本不均匀解决
首先，我们需要考虑一下样本数据是否均匀，如果样本数据不均匀，所得到的效果就不会是很好。现在使用matplotlib函数打印一下0和1的样本数，代码如下：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
count_classes=pd.value_counts(data["Class"]) # 计算0和1的累加
count_classes.plot(kind="bar") # 可以使用pandas绘制最基本的图形
print(count_classes) #打印0和1的数值
plt.show()
运行结果：
可以看到，正样本数非常多，但是负样本好像从图上来看几乎为0，我们打印数值看看：
可以看到，正样本数是负样本数的50倍左右，样本极度不均匀，所以我们需要做一些处理，主要有2种方法，一种是上采样，一种是下采样。