课程目录
1-1 [欺诈检测（Fraud Detection）概述] 欺诈检测课程介绍 (12:01)
1-2 [欺诈检测（Fraud Detection）概述] 欺诈检测的一些基本概念 (06:09)
1-3 [欺诈检测（Fraud Detection）概述] 欺诈检测的难点所在 (14:11)
1-4 [欺诈检测（Fraud Detection）概述] 欺诈检测模型和信用评分模型的差异 (12:22)
1-5 [欺诈检测（Fraud Detection）概述] 欺诈检测的三种分析思路 (17:08)
1-6 [欺诈检测（Fraud Detection）概述] 本课程案例数据及文档下载 (10)
2-1 [医疗保险欺诈案例的数据理解] 医疗保险欺诈案例概况 (19:45)
2-2 [医疗保险欺诈案例的数据理解] 数据理解与数据准备阶段要做的工作 (07:15)
2-3 [医疗保险欺诈案例的数据理解] 特征工程概述 (19:24)
2-4 [医疗保险欺诈案例的数据理解] 【复习】对案例的数据探索：概述 (13:05)
2-5 [医疗保险欺诈案例的数据理解] 【复习】对案例的数据探索：代码实现 (16:34)
2-6 [医疗保险欺诈案例的数据理解] 【复习】极端值与异常值的处理 (15:25)
2-7 [医疗保险欺诈案例的数据理解] 连续特征的处理思路 (12:08)
2-8 [医疗保险欺诈案例的数据理解] 分类特征的处理思路 (08:34)
2-9 [医疗保险欺诈案例的数据理解] 数据衍生的基本思路 (24:21)
2-10 [医疗保险欺诈案例的数据理解] 结合业务背景对案例做数据理解 (12:02)
3-1 [用比对法发现欺诈] 模型0：异常值发现 (06:15)
3-2 [用比对法发现欺诈] 【复习】SVM的基本原理 (14:34)
3-3 [用比对法发现欺诈] 【复习】异常值检测的基本理论 (11:46)
3-4 [用比对法发现欺诈] 【复习】用单类SVM完成新奇值发现 (09:00)
3-5 [用比对法发现欺诈] 异常值发现的代码实现 (10:50)
3-6 [用比对法发现欺诈] 模型1：通过变量间的对比发现疑似欺诈 (11:34)
4-1 [用比较法发现欺诈] 【复习】聚类分析概述 (15:22)
4-2 [用比较法发现欺诈] 【复习】聚类分析的方法分类 (10:01)
4-3 [用比较法发现欺诈] 【复习】K-means聚类 (14:03)
4-4 [用比较法发现欺诈] 什么是Benford定律 (15:10)
4-5 [用比较法发现欺诈] 模型2：通过Benford定律发现疑似欺诈 (10:41)
4-6 [用比较法发现欺诈] 模型3：通过对投保人细分发现疑似欺诈 (08:35)
4-7 [用比较法发现欺诈] 投保人细分发现欺诈的实现 (12:39)
4-8 [用比较法发现欺诈] 模型4：发现医疗保健机构行为模式异常 (07:25)
5-1 [用模型法发现欺诈] 模型5：发现多个医疗保健机构共用投保人信息 (06:54)
5-2 [用模型法发现欺诈] 【复习】关联分析的基本概念 (08:28)
5-3 [用模型法发现欺诈] 【复习】关联分析的数据格式与结果格式 (14:58)
5-4 [用模型法发现欺诈] 【复习】Apriori算法的原理与实现 (15:59)
5-5 [用模型法发现欺诈] 发现共用投保人信息的代码实现 (08:04)
5-6 [用模型法发现欺诈] 模型6：发现异常诊断与处理过程 (08:05)
5-7 [用模型法发现欺诈] 发现异常诊断和处理过程的代码实现 (14:23)
6-1 [监督学习方法的欺诈检测实例] PaySim案例简介 (09:30)
6-2 [监督学习方法的欺诈检测实例] PaySim案例的数据理解 (15:57)
6-3 [监督学习方法的欺诈检测实例] PaySim案例的数据准备 (07:31)
6-4 [监督学习方法的欺诈检测实例] 【复习】类别预测模型概述 (10:33)
6-5 [监督学习方法的欺诈检测实例] 【复习】类别预测模型的实现原理 (15:22)
6-6 [监督学习方法的欺诈检测实例] 【复习】类别预测模型的种类 (10:26)
6-7 [监督学习方法的欺诈检测实例] 【复习】树模型的基本原理 (15:06)
6-8 [监督学习方法的欺诈检测实例] 【复习】随机森林 (15:25)
6-9 [监督学习方法的欺诈检测实例] 直接用随机森林建模 (09:25)
6-10 [监督学习方法的欺诈检测实例] 【复习】数据不平衡问题 (22:43)
6-11 [监督学习方法的欺诈检测实例] 对数据进行加权处理后建模 (05:02)
