معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Scalable Fraud Transaction Identifier using Clustering, Anomaly Detection and Classification ML Algorithms

ویژگی	مقدار
سیستم عامل	-
نام فایل	FraudTransactionDetector-0.1.4
نام	FraudTransactionDetector
نسخه کتابخانه	0.1.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Venkata Siva Rama Sastry Kavuri
ایمیل نویسنده	sivaram.kavuri@gmail.com
آدرس صفحه اصلی	http://pypi.python.org/pypi/FraudTransactionDetector/
آدرس اینترنتی	https://pypi.org/project/FraudTransactionDetector/
مجوز	License.txt

========================== Fraud Transaction Detector ========================== The objective of this project is to come up with a classfication machine learning model which identifies anomaly data/records from genuine data/records given unclassified/unlabeled data as input. This generic objective has application in lot of domains like Healthcare, Stocks Trading, Banking, System Security etc. and few of the use cases are as below: * Fradulent Medical Claim detection * Fradulent Credit Card Transactions * Early detection of insider trading * Intrusion detection Technologies used ================= As the module needs to be scalable and handle Big Data involving Hundreds of Millions of records, I have chosen to use * Apache Spark * H2o My Approach =========== Below is the approach taken and algorithms used to solve the problem at hand: 1. K-Means Clustering from Apache Spark MLlib * To identify clusters in the given unlabeled data * Handles Big Data and scales on a cluster of machines 2. Isolation Forest from H2o * To detect the Anamolies in each cluster identified in #1 * Handles Big Data and works seamlessly with Apache Spark 3. Gradient Boosted Classification Trees from Spark MLlib * To create Ensemble classification model * Handles Big Data and scales on a cluster of machines 4. Model optimization using Apache Spark MLlib CrossValidator 5. PCA * Dimensionality Reduction to visualize the data in 3D How to import and use the package? ================================== Below is the sample usage:: from fraudtransactiondetector import FraudTransactionClassifier classifier = FraudTransactionClassifier(numClusters=num_clusters, quantile=0.99) classifier.fit(df) print(classifier.modelValidationMetrics()) # Apply it on entire Training data just to check results = classifier.transform(df) # Apply PCA and Visualize classifier.visualizeByApplyingPCA() # Select optimal number of clusters using Elbow Method classifier.selectOptimalClusters(df) Software Requirements ===================== Before installing the package, please ensure that the following softwares are installed: * Apache Spark 2.4.3 toward pyspark * Java (JDK 8) Along with the package, the below packages will be installed when you do 'pip install FraudTransactionDetector': * h2o == 3.30.0.1 * pandas == 0.25.1 * numpy == 1.16.5 * matplotlib == 3.1.3 * scikit-learn == 0.21.3

نحوه نصب

نصب پکیج whl FraudTransactionDetector-0.1.4:

pip install FraudTransactionDetector-0.1.4.whl

نصب پکیج tar.gz FraudTransactionDetector-0.1.4:

pip install FraudTransactionDetector-0.1.4.tar.gz