信用卡欺诈检测：从无监督到半监督学习的探索
1. 自动编码器实验与结果
1.1 平均精度分布总结
以下代码总结了 10 次运行中平均精度的分布情况。平均精度的均值为 0.10，比之前达到的 0.53 要差。变异系数为 0.83：
Mean average precision over 10 runs: 0.10112931070692295 Coefficient of variation over 10 runs: 0.8343774832756188 [0.08283546387140524, 0.043070120657586454, 0.018901753737287603, 0.02381040174486509, 0.16038446580196433, 0.03461061251209459, 0.17847771715513427, 0.2483282420447288, 0.012981344347664117, 0.20789298519649893]1.2 使用 ReLU 激活函数的两层去噪过完备自动编码器
接下来尝试使用 ReLU 作为激活函数，而非线性激活函数的自动编码器在原始数据集上的表现不如线性激活函数的自动编码器。以下是模型代码：
model = Sequential() model.add(Dense(units=40, activation='relu', \ activity_regularizer=regularizers
