ML.NET库学习001：基于PCA的信用卡异常检查之样本处理与训练

(文末提供数据集下载)ML.NET库学习001：基于PCA的信用卡异常检查之样本处理与训练

目标

• AnomalyDetectCreditCardFraudDetection.Solution

• CreditCardFraudDetection.Trainer

• 学习知识点：PCA、表格数据的预处理方法、模型训练步骤；ML库的学习初体验

项目概述

1. 项目概述：

   • 这是一个使用ML.NET进行异常检测的C#控制台应用程序，目标是检测欺诈交易。

2. 数据加载与预处理：

   • 使用LoadData方法从CSV文件加载交易数据。
   • 将文本数据转换为数值型特征向量，并构建包含这些特征的数据集。

3. 模型训练：

   • 构建了一个管道，包括特征拼接、归一化和PCA变换。
   • 使用随机化PCA算法进行异常检测模型的训练，设置主成分数量（Rank=28）和过采样率（Oversampling=20）。

4. 模型评估：

   • 在测试数据集上评估模型性能，计算准确率、召回率和其他相关指标。
   • 使用ConsoleHelper.PrintAnomalyDetectionMetrics方法输出评估结果。

5. 文件处理：

   • 通过相对路径获取绝对路径，确保程序能够正确定位数据文件。
   • 解压ZIP文件到指定目录，以便访问和处理数据集。

6. 参数选择与优化：

   • Rank设置为28可能是因为数据中有28个特征，或者基于其他理论选择。
   • Oversampling=20意味着在训练过程中每个样本会被过采样20次，以增强模型的泛化能力。

7. 数据平衡性处理：

   • 在训练数据中使用过滤变换，仅保留标签为0（正常交易）的数据，可能是因为欺诈交易较少，通过减少正常交易的数量来平衡数据集。
   • 也可以考虑其他方法如过采样欺诈交易或使用调整类别权重的方法。

8. 潜在改进点：

   • 实现更复杂的特征工程，例如提取时间序列特征或使用统计聚合特征。
   • 调整PCA参数，进行网格搜索以找到最佳的主成分数量和过采样率。
   • 使用交叉验证评估模型性能，确保模型在不同数据子集上的泛化能力。

9. 代码实现步骤：

   • 编写LoadData方法，读取CSV文件并解析数据字段。
   • 实现特征向量的构建，可能需要将文本类型转换为数值型。
   • 配置和训练模型管道，包括所有必要的变换步骤。
   • 解压数据集到指定目录，并确保程序能够正确访问这些文件。

10. 运行环境与依赖：

    • 确保项目引用了ML.NET库。
    • 安装必要的NuGet包，如Microsoft.ML和Microsoft.ML.Transforms.

通过以上步骤，可以全面理解并实现这个欺诈交易检测系统。

代码结构概述

1. 主要类和文件

• Program.cs: 包含主程序入口，数据处理逻辑，模型训练和评估。

2. 命名空间和使用指令

using Microsoft.ML;
using Microsoft.ML.Data;
using Microsoft.ML.Transforms;
using Microsoft.ML.AnomalyDetection;
using System;
using System.Collections.Generic;
using System.IO;

3. 数据类 (TransactionObservation)

定义了事务观测的结构，包含以下字段：

• Id: 事务ID。
• Features: 特征向量（长度为28）。
• Label: 标签（0表示正常，1表示异常）。

public class TransactionObservation : ITransformableTo<RowItem>
{public float[] Features;public float Label;public void PrintToConsole(){Console.WriteLine($"ID: {Id}, Label: {(Label == 1 ? "Fraud" : "Not Fraud")}");// 打印特征向量Console.WriteLine($"Features: [{string.Join(", ", Features)}]");Console.WriteLine();}
}

4. 主程序入口 (Main 方法)

public static void Main(string[] args)
{var mlContext = new MLContext();// 加载数据集IDataView data = mlContext.Data.LoadFromTextFile<TransactionObservation>(@"data\transaction_data.txt",separatorChar: '\t',useHeader: true);// 数据预处理和训练ITransformer model = TrainModel(mlContext, data);// 评估模型EvaluateModel(mlContext, model, data);
}

5. 数据预处理 (DataPreprocessing 方法)

private static ITransformer PreprocessData(MLContext mlContext, IDataView data)
{var preprocessPipeline = mlContext.Transforms.Concatenate("Features", new[] { nameof(TransactionObservation.Features) }).Append(mlContext.Transforms.NormalizeLpNorm(outputColumnName: "NormalizedFeatures",inputColumnName: "Features"));return preprocessPipeline;
}

6. 模型训练 (TrainModel 方法)

private static ITransformer TrainModel(MLContext mlContext, IDataView data)
{var options = new RandomizedPcaTrainer.Options{FeatureColumnName = "NormalizedFeatures",Rank = 28,Oversampling = 20,EnsureZeroMean = true,Seed = 1};IEstimator<ITransformer> trainer = mlContext.AnomalyDetection.Trainers.RandomizedPca(options);var trainingPipeline = preprocessPipeline.Append(trainer);return trainingPipeline.Fit(data);
}

7. 模型评估 (EvaluateModel 方法)

private static void EvaluateModel(MLContext mlContext, ITransformer model, IDataView testData)
{var predictions = model.Transform(testData);AnomalyDetectionMetrics metrics = mlContext.AnomalyDetection.Evaluate(predictions);Console.WriteLine("Precision: {0}", metrics.Precision);Console.WriteLine("Recall: {0}", metrics.Recall);Console.WriteLine("F1-Score: {0}", metrics.F1Score);
}

8. 文件操作 (FileHandling 方法)

private static string GetAbsolutePath(string relativePath)
{FileInfo _dataRoot = new FileInfo(typeof(Program).Assembly.Location);string assemblyFolderPath = _dataRoot.Directory.FullName;return Path.Combine(assemblyFolderPath, relativePath);
}private static void UnZipDataSet(string zipDataSet, string destinationFile)
{if (!File.Exists(destinationFile)){ZipFile.ExtractToDirectory(zipDataSet, Path.GetDirectoryName(destinationFile));}
}

代码功能详解

1. 数据加载与预处理

• 数据加载: 使用 MLContext.Data.LoadFromTextFile 方法从文件加载事务数据。
• 数据预处理: 包括特征向量拼接和归一化处理，确保模型输入格式一致。

2. 模型训练

• PCA异常检测器: 使用随机化 PCA 算法进行异常检测，设置参数如主成分数量、过采样率等。
• 模型拟合: 通过 Fit 方法在预处理后的数据上训练模型。

3. 模型评估

• 预测与评估: 在测试数据上应用训练好的模型，并使用 AnomalyDetectionMetrics 计算精度、召回率和 F1 分数等指标。

4. 文件操作

• 路径获取: 使用反射获取程序集目录，构造绝对路径。
• 文件解压: 解压事务数据文件到指定位置。

代码依赖

• Microsoft.ML 包: 需要安装 Microsoft.ML 和相关组件包（如 Microsoft.ML.AnomalyDetection）。
• 文本文件格式: 数据文件应为制表符分隔的文本文件，包含标题行。

示例用法

数据文件 (transaction_data.txt)

Id	Features	Label
1	0.5,0.6,...,0.3	0
2	0.7,0.8,...,0.4	1
...

运行程序

dotnet run --project ./AnomalyDetection.csproj

输出结果

模型训练完成后，将在控制台输出以下信息：

• 训练完成: 显示训练耗时。
• 评估结果: 显示 Precision、Recall 和 F1-Score。

代码优势

• 高效处理: 使用 ML.NET 进行高效的机器学习任务处理。
• 模块化设计: 代码结构清晰，功能模块独立，便于扩展和维护。
• 易用性: 提供了完整的文件操作和数据预处理逻辑，方便用户直接使用。

总结

该代码实现了一个基于随机化 PCA 的异常检测系统，适用于金融事务等场景中的欺诈 detection。通过 ML.NET 框架，实现了从数据加载、预处理、模型训练到评估的完整流程。

数据集

数据集下载地址