复赛A：银行卡电信诈骗危险预测

一、问题背景：

数字支付正在发展，但网络犯罪也在发展。电信诈骗案件持续高发，消费者受损比例持续走高。报告显示，64%的被调查者曾使用手机号码同时注册多个账户，包括金融类账户、社交类账户和消费类账户等，其中遭遇过电信诈骗并发生损失的比例过半。用手机同时注册金融类账户及其他账户，如发生信息泄露，犯罪分子更易接管金融支付账户盗取资金。

随着移动支付产品创新加快，各类移动支付在消费群体中呈现分化趋势，第三方支付的手机应用丰富的场景受到年轻人群偏爱，支付方式变多也导致个人信息也极易被不法分子盗取。根据数据泄露指数，每天有超过 500 万条记录被盗， 这一令人担忧的统计数据表明 - 对于有卡支付和无卡支付类型的支付，欺诈仍然非常普遍。

在今天的数字世界，每天有数万亿的银行卡交易发生，检测欺诈行为的发生是一个严峻挑战。

二、数据描述：

该数据来自一些匿名的数据采集机构，数据共有七个特征和一列类标签。下面对数据特征进行一些简单的解释（每列的含义对我们来说并不重要，但对于机器学习来说，它可以很容易地发现含义。它有点抽象，但并不需要真正了解每个功能的真正含义。只需了解如何使用它以便您的模型可以学习。许多数据集，尤其是金融领域的数据集，通常会隐藏一条数据所代表的内容，因为它是敏感信息。数据所有者不想让他人知道，并且数据开发人员从法律上讲也无权知道）

➢ distance_from_home：银行卡交易地点与家的距离；

➢ distance_from_last_transaction：与上次交易发生的距离；

➢ ratio_to_median_purchase_price：近一次交易与以往交易价格中位数  的比率；

➢ repeat_retailer：交易是否发生在同一个商户；

➢ used_chip：是通过芯片（银行卡）进行的交易；

➢ used_pin_number：交易时是否使用了 PIN 码；

➢ online_order：是否是在线交易订单；

➢ fraud：诈骗行为（分类标签）；

三、解决问题：

1) 将给定数据集进行“下采样”，构建新的数据集，使各类别样本分布均匀（发生诈骗行为和未发生诈骗行为的样本数一样）；

2) 再次构建多种数据挖掘模型（至少三种）进行预测，给出模型的精度；

3) 依次将影响模型预测精度的特征按照影响程度的大小进行排序，绘制条形图；

4) 依次计算测试集中每个样本发生欺诈行为的概率；

5) 将使用新数据集进行的数据分析，模型评价通过作图的形式进行可视化；

6) 根据分析结果，从个人角度给出对预防电信诈骗需要着重关注的一些信息；

7) 结合样本数据的分析结果，从反电信诈骗机构，移动通讯公司，各大银行的角度，阐述可以通过什么样的技术手段能从网上银行或者 ATM 机进行交易时给出防止电信诈骗的预警措施。

复赛 B：航班数据分析与预测

一．问题背景

随着科技的发展，乘坐飞机出行为人们的生活带来了极大的便利，航空交通管理影响着人们的工作和生活效率。在大数据和人工智能时代的今天，各种各样的信息科学和工程技术广泛应用于航空领域，为人们的生产生活提供更高的便利性，因此提高空中资源的优化配置，一直都是计算机科学与技术、信息科学与工程、数学等领域的一门热点研究方向。当前航空延误是空中资源优化配置的一项经典课题，分析与预测航空延误有助于提高资源的优化管理，提高生产生活效率， 可以为乘客提供更优质的服务。

二．解决问题

1.机场聚类分析

（一）以附件2006-2008年航班数据和机场数据作为依据，计算每个机场的五个属性：起飞和到达航班总数、到达延迟超过10分钟航班的比例，出发延迟超过10分钟航班的比例，取消航班的比例，该机场所有航线的平均距离。使用这五个属性对所有机场进行聚类，分析如何聚类以及聚成几类比较好，并且说明原因。

（二）以附件2006-2008年航班数据和机场数据作为依据，选择合适的属性以任意一种聚类算法对所有机场进行聚类。

以论文形式说明：

（1）选择这些属性进行聚类的依据，所选择聚类算法的流程，聚类的结果以及该结果所表达的意义。

（2）将你的聚类算法与（一）题的聚类算法进行比较，说明二者算法的优缺点以及二者结果的优缺点。

2.航班延误分析

以论文形式说明：先给出自己对问题（一）和（二）航班延误的分析，再建立模型做实验得到航班是否延误的准确率，分析模型和实验结果，并且检验自己最初对问题（一）和（二）的分析。

（一）.以附件中的2001-2005年的航班数据作为训练集，以附件2006-2008年的航班数据作为测试集，先以文字形式分析起飞航班是否延误受哪些因素影响，再建立模型预测起飞航班是否延误，测试集准确率越高越好，分析模型和实验结果，并且以实验结果检验自己最初的分析。（注：测试集不能参与到训练和验证中，否则作违规处理）

提示：可以在训练、验证和预测中使用机场所在地天气情况等信息，详见附件数据属性说明表。

（二）.以附件中的2001-2005年的航班数据作为训练集，以附件2006-2008年的航班数据作为测试集，先以文字形式分析到达航班是否延误受哪些因素影响，建立模型预测到达航班是否延误，测试集准确率越高越好，分析模型和实验结果，并且以实验结果检验自己最初的分析。（注：测试集不能参与到训练和验证中，否则作违规处理）

提示：可以在训练、验证和预测中使用机场所在地天气情况等信息，详见附件数据属性说明表。

赛题附件

2022年首届“钉钉杯”大学生大数据挑战赛复赛题目

下载时间：9月23日09:00-9月30日09:00

点击下载

提取码：w5re 

 参赛说明

复赛参赛队伍选择初赛作答中所选择的题目的继续进行作答，不得更换选题。

复赛时间（9月23日09:00-9月30日09:00）