检测欺诈行为的机器学习方法：利用安然公司的财务与邮件记录识别潜在欺诈者

简介：
本研究运用机器学习技术，基于安然公司的真实财务和邮件数据，开发模型以有效识别企业内部的潜在欺诈行为。通过深度分析历史案例，旨在提供预防金融诈骗的新策略。 项目概述：使用机器学习识别欺诈 在2000年，安然公司（Enron）是美国最大的企业之一。然而到了2002年，由于广泛的公司内部欺诈行为，该公司最终破产了。联邦调查期间，大量的通常是机密的信息被录入公共记录中，包括成千上万的电子邮件和高级管理人员详细的财务数据。 这些信息与手工生成的涉嫌参与欺诈的人士名单相结合——这些人因起诉、政府达成协议或辩诉交易而受到关注，或者在交换免于起诉的情况下作证。通过结合这些资料，形成了一个包含146名员工在内的21个特征的数据集。本项目的目标是开发一种算法来识别可能实施过欺诈的安然公司员工。 为了实现这一目标，我们将运用探索性数据分析和机器学习技术从数据集中清除异常值，并且还会尝试生成新的参数以提高模型性能。