这是作者在机器学习课程上的作业，任务是利用kaggle上的信用卡欺诈数据建立预测模型，对比四则运算扩展特征前后，以及随机森林算法和GBDT算法的效果。 首先进行特征工程，检查数据集中是否有异常值、缺失值等，后对数据集中欺诈样本下采样以平衡欺诈样本与非欺诈样本的数量； 之后利用相关矩阵寻找特征，并用热力图进行可视化处理，利用简单的四则运算扩展特征； 最后训练随机森林和GBDT模型并输出结果，得到结果是扩展特征后的随机森林算法对信用卡欺诈预测效果最好。