简介：这份资源面向计算机、数据科学、人工智能等专业的在校学生与教师，以及需要金融风控入门实践的开发者，提供一套基于机器学习实现金融反欺诈检测的完整Python项目。压缩包共17个文件，约133.46MB，包含2个ipynb代码笔记、1份pptx项目报告、1个html模型页面、1个md说明文档，以及png、jpg等模型图例与可视化素材，另有数据压缩包辅助复现。项目围绕信用卡交易欺诈识别展开，涵盖缺失值处理、SMOTE样本均衡、GridSearchCV调参、阈值选择与PR—Re曲线评估等关键环节，并配有目标变量分布、直方图、场景解析等图示，便于理解建模思路。已有171人学习下载，可作为课程设计、大作业、毕业设计或初期项目立项的参考模板，也适合在此基础上进行二次开发与拓展实验。

1. 金融反欺诈检测为什么总在“离线准、上线崩”上翻车

很多团队第一次做金融反欺诈检测，都会经历同一个剧本：拿一份历史交易流水，用 Python 跑个逻辑回归或 XGBoost，离线 AUC 冲到 0.95，PPT 报告写得漂漂亮亮，结果一上线，拦截率没涨多少，误杀率倒是把客服打爆了。问题不在模型，在于反欺诈本质是一个极度不平衡、强对抗、且带时间漂移的序列决策问题，而多数人把它当成了普通二分类。

这个标题里的“基于机器学习实现的金融反欺诈检测 python 源码（含说明+PPT 报告）”，拆开看其实是三件事：一套能跑通的数据处理与建模流程、一份能讲清楚业务逻辑的说明文档、一份能说服风控和业务方的汇报材料。它适合两类人：一类是刚入门机器学习、想找一个真实场景练手的同学，另一类是已经会调库、但没系统做过风控落地的工程师。接下来我不讲空泛概念，直接按“数据怎么洗、特征怎么造、模型怎么选、阈值怎么定、坑在哪”这条线，把一套可复现的方案讲透。

2. 反欺诈数据从原始流水到建模宽表：采样与特征工程

2.1 为什么不能直接拿原始交易表喂模型

原始交易流水通常是“一行一笔”的长表，字段包括用户 ID、商户 ID、时间戳、金额、设备指纹、IP、交易结果等。直接丢进模型会有三个致命问题：一是正负样本比例可能到 1:1000 甚至更极端，模型会倾向于全预测为正常；二是同一用户的多笔交易之间存在强相关，随机划分训练测试集会导致信息泄露；三是原始 ID 类字段维度极高，独热编码后稀疏到无法训练。

常见做法是先做用户级聚合，把“一笔交易”变成“一个用户在一个时间窗口内的行为画像”。比如以 7 天为窗口，统计该用户的交易笔数、金额均值、金额标准差、夜间交易占比、失败率、常用设备数、常用 IP 数等。这样既降低了样本量，又让每条样本代表一个相对完整的行为模式。

import pandas as pd import numpy as np # 假设 raw 是原始交易流水，包含 user_id, trade_time, amount, status, device_id, ip raw['trade_time'] = pd.to_datetime(raw['trade_time']) raw = raw.sort_values(['user_id', 'trade_time']) # 标记标签：假设 fraud_label 在用户维度给出，这里先聚合到用户 user_label = raw.groupby('user_id')['fraud_label'].max().reset_index() # 按用户做 7 天窗口聚合 def build_user_features(df): g = df.groupby('user_id') feat = pd.DataFrame({ 'trade_cnt': g.size(), 'amount_mean': g['amount'].mean(), 'amount_std': g['amount'].std(), 'amount_max': g['amount'].max(), 'fail_rate': g['status'].apply(lambda x: (x == 'fail').mean()), 'night_ratio': g['trade_time'].apply(lambda x: ((x.dt.hour >= 22) | (x.dt.hour <= 6)).mean()), 'device_cnt': g['device_id'].nunique(), 'ip_cnt': g['ip'].nunique(), }).reset_index() return feat user_feat = build_user_features(raw) data = user_feat.merge(user_label, on='user_id', how='left')

这段代码的逻辑是：先按时间排序保证窗口内统计的顺序正确，再用groupby把交易级数据压缩成用户级特征。amount_std为空说明该用户只有一笔交易，后续要填充 0；night_ratio用小时判断夜间交易，是反欺诈里非常强的信号，因为盗刷和欺诈团伙常集中在凌晨操作。参数上，窗口长度 7 天不是固定的，如果业务交易频率高，可以缩到 1 天；如果低频，可以放到 30 天，但要注意时间跨度太长会引入行为漂移。

2.2 不平衡采样：过采样、欠采样还是代价敏感

反欺诈场景下，正样本（欺诈）往往只占千分之几。直接训练会让模型把所有样本判为正常，准确率看着高，但召回率接近零。常见处理方式有三种：随机欠采样、SMOTE 过采样、以及直接在模型里设置class_weight或scale_pos_weight。

我的经验是：优先用代价敏感学习，而不是盲目过采样。因为 SMOTE 在超高维稀疏特征上容易生成不真实的合成样本，反而让模型学到噪声。XGBoost 和 LightGBM 都支持scale_pos_weight，把它设为负样本数除以正样本数，通常能直接把召回率拉起来。

from sklearn.model_selection import train_test_split from xgboost import XGBClassifier # 按时间划分，而不是随机划分，避免未来信息泄露 data = data.sort_values('user_id') # 实际应按首次交易时间排序 train, test = train_test_split(data, test_size=0.3, random_state=42, stratify=data['fraud_label']) X_train = train.drop(['user_id', 'fraud_label'], axis=1).fillna(0) y_train = train['fraud_label'] X_test = test.drop(['user_id', 'fraud_label'], axis=1).fillna(0) y_test = test['fraud_label'] # 计算正负样本比例 scale = (y_train == 0).sum() / (y_train == 1).sum() model = XGBClassifier( n_estimators=300, max_depth=5, learning_rate=0.05, scale_pos_weight=scale, eval_metric='auc', use_label_encoder=False ) model.fit(X_train, y_train)

这里scale_pos_weight直接决定了模型对正样本的敏感度。设得太大，误杀会飙升；设得太小，召回上不去。一般从负正比开始试，再根据业务能接受的误杀率微调。max_depth控制在 5 左右是为了防止过拟合，反欺诈特征里很多是统计量，树太深容易记住特定用户。eval_metric用 AUC 而不是准确率，因为不平衡场景下准确率没有参考价值。

2.3 特征工程里最容易被忽略的三类信号

除了常规的金额和频次，反欺诈里真正拉开差距的是设备聚集度、时间聚集度、以及关系网络特征。设备聚集度指同一设备关联了多少个用户，欺诈团伙常共用设备；时间聚集度指同一时间段内有多少用户集中注册或交易；关系网络特征则是把用户和设备、IP 构建成二部图，计算连通分量大小。

# 设备聚集度：同一设备关联的用户数 device_user_cnt = raw.groupby('device_id')['user_id'].nunique().reset_index() device_user_cnt.columns = ['device_id', 'device_user_cnt'] raw = raw.merge(device_user_cnt, on='device_id', how='left') # 时间聚集度：同一小时内交易笔数 raw['hour_bucket'] = raw['trade_time'].dt.floor('H') hour_cnt = raw.groupby('hour_bucket').size().reset_index(name='hour_trade_cnt') raw = raw.merge(hour_cnt, on='hour_bucket', how='left')

这两个特征在实战中非常有效，因为正常用户的设备通常只关联自己，而欺诈设备可能关联几十个账号。hour_trade_cnt突然飙升往往意味着批量攻击。注意这些特征要在训练集和测试集上分别计算，或者用历史窗口滚动计算，否则会引入未来信息。

3. 模型选型与阈值调优：从 AUC 到业务拦截率

3.1 逻辑回归、树模型还是图神经网络

在金融反欺诈里，模型选型不是越复杂越好。逻辑回归可解释性强，适合监管要求高的场景；XGBoost/LightGBM 在结构化特征上表现稳定，是大多数团队的首选；图神经网络适合关系网络明显的团伙欺诈，但工程复杂度高，落地周期长。

如果只是做一份能讲清楚流程的源码和报告，我建议主模型用 LightGBM，辅以逻辑回归做基线对比。LightGBM 训练快、内存占用低，且自带特征重要性输出，方便在 PPT 里解释“哪些行为最像欺诈”。

import lightgbm as lgb from sklearn.metrics import roc_auc_score, precision_recall_curve lgb_model = lgb.LGBMClassifier( n_estimators=500, num_leaves=31, learning_rate=0.05, scale_pos_weight=scale, subsample=0.8, colsample_bytree=0.8, random_state=42 ) lgb_model.fit(X_train, y_train) y_prob = lgb_model.predict_proba(X_test)[:, 1] print('AUC:', roc_auc_score(y_test, y_prob)) # 找最佳阈值：在召回和误杀之间取平衡 precision, recall, thresholds = precision_recall_curve(y_test, y_prob) f1 = 2 * precision * recall / (precision + recall + 1e-8) best_threshold = thresholds[f1.argmax()] print('Best threshold:', best_threshold)

num_leaves控制树的复杂度，31 是常用起点；subsample和colsample_bytree用来增加随机性、防止过拟合。precision_recall_curve帮我们找到 F1 最大的阈值，但实际业务里不能只看 F1，还要看误杀一个正常用户带来的客服成本和声誉损失。通常会把阈值定在召回 80% 时对应的点，再根据人工审核能力调整。

3.2 阈值不是拍脑袋：用业务成本反推

很多源码里直接写threshold = 0.5，这在反欺诈里基本是错的。正确做法是构建一个简单的成本矩阵：拦截一个欺诈带来的收益是避免的损失金额，误杀一个正常用户带来的成本是客服处理加用户流失。用这两个值反推最优阈值。

# 假设欺诈平均损失 500 元，误杀成本 50 元 cost_fraud = 500 cost_false_alarm = 50 best_cost = float('inf') best_th = 0 for th in np.arange(0.01, 1.0, 0.01): pred = (y_prob >= th).astype(int) fp = ((pred == 1) & (y_test == 0)).sum() fn = ((pred == 0) & (y_test == 1)).sum() total_cost = fp * cost_false_alarm + fn * cost_fraud if total_cost < best_cost: best_cost = total_cost best_th = th print('Cost-optimal threshold:', best_th)

这段代码把阈值选择和业务成本直接挂钩，比单纯看 F1 更贴近实际。cost_fraud和cost_false_alarm需要和风控业务方一起定，不同业务差异很大。比如信贷场景欺诈损失高，阈值会偏低；支付场景误杀影响大，阈值会偏高。

3.3 模型可解释性：SHAP 值怎么放进 PPT

风控和业务方不会接受一个黑匣子。用 SHAP 输出每个特征对单笔预测的贡献，既能做bad case分析，也能直接放进 PPT 报告。

import shap explainer = shap.TreeExplainer(lgb_model) shap_values = explainer.shap_values(X_test) # 全局特征重要性 shap.summary_plot(shap_values, X_test, plot_type='bar') # 单个样本解释 shap.force_plot(explainer.expected_value, shap_values[0], X_test.iloc[0])

TreeExplainer对树模型计算很快，summary_plot的 bar 图可以直接截图放进 PPT，说明“设备关联用户数”和“夜间交易占比”是主要驱动因素。force_plot适合解释某个具体用户为什么被拦截，客服和审核人员能看懂。

4. 避坑与排查：反欺诈模型上线前后最容易踩的五个坑

4.1 现象：离线 AUC 0.95，上线后召回不到 30%

原因通常是训练集和线上特征计算逻辑不一致。离线用全量数据算统计量，线上只能拿到当前时间点之前的数据，导致特征分布偏移。解决方法是统一用滚动窗口计算特征，并在训练时模拟线上可用的历史窗口。

4.2 现象：模型把大量老用户判为欺诈

原因是老用户的历史行为丰富，统计特征（如交易笔数、设备数）天然偏高，而模型把“高活跃”误学成了“高风险”。解决方法是在特征里加入用户年龄或注册时长做归一化，或者对老用户单独建模型。

4.3 现象：阈值调完后，误杀率降了但欺诈损失涨了

这是典型的成本权衡没做好。解决方法是把误杀和漏判的成本写进评估脚本，每次调阈值都看总成本，而不是只看单一指标。同时要和业务方确认可接受的最大误杀率。

4.4 现象：SHAP 图显示某个特征重要性极高，但业务上说不通

可能是数据泄露。比如“是否有人工审核记录”这个特征在欺诈样本里几乎都是 1，因为欺诈用户会被人工审核，但线上预测时这个特征根本拿不到。解决方法是逐个检查高重要性特征在预测时是否真实可得。

4.5 现象：模型上线后性能逐月下降

反欺诈是强对抗场景，欺诈团伙会不断调整策略。解决方法是建立定期重训练机制，比如每月用最近三个月数据重新训练，并监控特征分布漂移（PSI）。PSI 超过 0.2 就要警惕。

5. 把源码和 PPT 串成一条线：复现时我坚持的三个习惯

第一，先跑通再优化。不要一上来就调参，先用默认参数跑一遍全流程，确认数据管道、特征计算、模型训练、评估输出都能跑通，再逐步加特征和调参。我见过太多人卡在环境配置和路径错误上，最后连基线都没跑出来。

第二，每个特征都要能回答“线上怎么算”。写代码时我会在特征旁边注释数据来源和计算窗口，比如# 近7天夜间交易占比，线上用Flink滑动窗口。这样在写 PPT 报告时，直接把这些注释整理成表格，业务方一看就懂。

第三，PPT 报告只讲三件事：问题、方案、效果。问题部分用一张图说明欺诈损失和误杀现状；方案部分用流程图展示数据到模型的链路，重点标出特征工程和阈值策略；效果部分用表格对比基线模型和最终模型的 AUC、召回、误杀率和成本节省。不要堆公式，不要贴大段代码。

# 一个简单的效果对比表生成脚本 import pandas as pd result = pd.DataFrame({ '模型': ['逻辑回归', 'LightGBM'], 'AUC': [0.82, 0.91], '召回率': [0.55, 0.78], '误杀率': [0.03, 0.05], '预估成本节省': [12000, 35000] }) print(result.to_markdown(index=False))

这张表可以直接放进 PPT，比任何文字都有说服力。成本节省的算法是：拦截欺诈带来的损失减少减去误杀带来的客服成本，具体数值按业务实际填。

最后说一个我自己的习惯：每次做完一个反欺诈模型，我都会把阈值、特征列表、训练数据时间范围写进一个model_card.md，和源码放在一起。过三个月再回头看，不用翻聊天记录就知道当时为什么这么定。希望帮到你。

本文还有配套的精品资源，点击获取