UD120-FinalProject: 利用机器学习分析安然数据以揭露欺诈行为

简介：
本项目运用机器学习技术深入分析安然公司财务数据，旨在识别并揭示其中潜在的欺诈行为模式，推动企业透明度与诚信建设。 ud120-finalproject 使用机器学习通过安然数据集识别公司欺诈行为。 在使用Enron Datasets.ipynb文件的功能时，我们关注的是以下几点： - 被起诉的人； - 被定居但不认罪的个体； - 因证明无罪而获得豁免的数据点； 该数据集中包含大量电子邮件信息。根据类型的不同，这些数据可以分为数值、类别和时间序列等几类： 1. 数值：代表数字形式的数据。 2. 类别：有限数量的离散值（如性别）； 3. 时间序列：包括日期或时间戳的形式； 文字型数据也包含在内。整个enron_data 集合可以表示为 enron_data [“姓氏第一中间人”] = {features_dict}，其中 features_dict 包含了与特定个体相关联的特征。 需要注意的是，在安然的数据集中，非POI到POI（即关注的人）的分布非常不对称。在146个数据点中仅有11个人或数据被标记为POI或者涉嫌欺诈行为。 我们的目标是将数据集中的每个人都准确地分类为POI 或者 非 POI 。此外，如果可能的话，我们希望能够给每个人分配一个概率值来评估他们成为POI的机会。