Mgrin Apr 10 2019 at 22:46

Генератор больших графов транзакций с паттернами преступной деятельности

5 min

5.2K

Abnormal programming*Python*Big Data*Open data*

Comments 9

MMik Apr 11 2019 at 01:01

Клиент… описывается именем, имэилом, возрастом, рабочей деятельность, политическими взглядами, национальностью, образованием и адресом проживания.

Выглядит такой набор данных о клиенте не очень этично, даже учитывая благие цели.

Mgrin Apr 11 2019 at 01:05

Почему? Эта информация теоретически может быть использована алгоритмами. В нашем же случае это просто почти полный список того, что библиотека Mimesis могла генерировать :)

Daddy_Cool Apr 11 2019 at 01:57

не очень этично

Увы, зато логично. «Этичные» данные не позволяют сделать выводы о тайных незаконных мотивах, в этом как бы и суть — то почему мы считаем какие-то данные неэтичными.
Скажем (по данным РИА) «в Москве 75% изнасилований совершают приезжие из стран Азии», соответственно в Москве есть много невиновных азиатов, и даже пусть эти 75% совершает 0.0001% азиатов, но для предиктивной аналитики это ценная информация.

Voila2000 Apr 11 2019 at 12:53

Этично/неэтично всего лишь принятые в обществе, устоявшиеся номы взаимоотношений.
На практике (пока еще) поля с информацией о политических взглядах, национальности, образовании клиента выглядят диковато :)
А вот параметров у сущности «Компания», как мне кажется, маловато.

Stas911 Apr 11 2019 at 04:24

А как вы собирали клиентов для «преступного сообщества»? Они были объединены какими-то общими признаками?

Mgrin Apr 11 2019 at 13:50

В нашей реализации нет, мы просто выбирали узлы случайно. Но в принципе нет ничего сложного объеденить их по стране, общей компании или же даже по одному банкомату, в котором они снимают деньги одновременно раз в месяц с разницей в 2 минуты :)

UFO just landed and posted this here

worldmind Apr 11 2019 at 15:45

да, хорошая практика не ставить в систему, а использовать --user

UFO just landed and posted this here

Show the best of all time