信用卡欺诈检测：集成学习模型比较与调优

本项目使用匿名信用卡交易数据集进行欺诈检测，主要步骤如下：

1. 下载标记为欺诈或真实的匿名信用卡交易数据，https://www.kaggle.com/code/pierra/credit-card-dataset-svm-classification/input。
2. 按照一定比例随机将数据集分成训练集和测试集。
3. 利用 AdaBoost 算法建立特征和标签之间的关系，在测试集上评估训练得到的模型。
4. 利用随机森林算法建立特征和标签之间的关系，在测试集上评估训练得到的模型。
5. 以决策树、线性支持向量机、高斯核函数支持向量机、1 近邻、3 近邻为基学习器，构建集成学习模型，分别采用多数投票、相对多数投票的结合原则，在测试集上评估训练得到的集成学习模型。
6. 对比以上所有模型的性能，选择最佳的模型并进行参数调优，得到最终的模型。
7. 使用最终的模型对新的匿名信用卡交易进行分类，判断是否为欺诈。