Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
You can not select more than 25 topics
Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.
liuxinchen3
ba255ada66
|
1 year ago | |
|---|---|---|
| gen_feature.py | 1 year ago | |
| model.py | 1 year ago | |
| model_param.npz | 1 year ago | |
| readme.md | 1 year ago | |
| run.py | 1 year ago | |
readme.md
企业员工欺诈检测
发明人：wangyuting
实验室：USTC-IOM Lab
算法目的：
本算法的主要目的是根据对外派员工移动app功能的使用偏好来预测他们的不道德行为。根据员工的系统使用情况，如对图片信息的上报，对文字信息的上报比例对这些外派员工的不道德行为的发生的可能性进行预测。
算法用途
通过这个算法，我们得出在对外派员工的监管上，可以根据他们的系统使用情况调节公司对他们的监管行为，从而减少他们不道德行为发生的可能性。
数据格式
| 变量名 | 说明 | 测度方式 |
|---|---|---|
| Fraud | 公告中是否有不道德行为 | 有为1，无为0 |
| Promotion | 外派人员上传文本数据占总上报数据的比例 | 文本上传数/总上传数 |
| Prevention | 外派人员上传图片数据占总上报数据的比例 | 图片上传数/总上传数 |
| OG | 组织监管的次数 | 组织监管的次数 |
| Age | 外派人员的年龄 | 外派人员从出生到测量时间的年数 |
| AA | 发布公告的数量 | 公司在测量时发公告的数量 |
| BSE | 外派人员的经验 | 外派人员加入公司的时间到测量时的时间差 |
| Marriage | 外派人员的婚姻情况 | 结婚为1，其他婚姻状态为0 |
算法模型
回归模型，具体见model.py文件
算法结果
根据结果，预测员工的欺诈行为概率。
本算法的主要目的是根据对外派员工移动app功能的使用偏好来预测他们的不道德行为。根据员工的系统使用情况，如对图片信息的上报，对文字信息的上报比例对这些外派员工的不道德行为的发生的可能性进行预测。
Python
Contributors (1)