电商异常订单检测测试( Python代码与报告 )

简介：
异常订单归因于买家利用买方权益不当的行为，常见情况包括库存未付款及小宗货物以退货抵期等方式。面对此类订单，商家无需因接收到相关订单而产生担忧。该平台通过分析买家的历史行为及其当前交易的异常特征，利用算法生成可能异常的订单列表。然而，这些疑似异常订单并不一定意味着风险的存在。具体而言，物流单号重复使用可能导致混乱，退货订单中的货物与退货订单的内容存在混淆，退货物流地址偏离门店标准，以及退货数量与实际下单量不符等问题。从评估结果看，模型在测试集上的表现尚可，整体上仍存在过拟合问题。然而，测试集与训练集的数据特征/分布可能差异较大，例如新订单包含过多以往订单未涉及的信息，这可能导致测试集上的表现不如预期。尽管如此，对训练集的相似数据，模型仍能提供较为理想的泛化结果。本次项目旨在通过Python进行数据分析，基于机器学习模型预测订单异常性。主要采用的模型包括随机森林、梯度提升树和XGBoost，在整体上进行参数优化调整，并按照比例分配数据集以确保模型训练的有效性。