账号风险识别限时秒杀

import pandas as pd
from sklearn.ensemble import RandomForestClassifier

# 假设我们有一个包含用户登录信息的DataFrame
data = {
    'user_id': [1, 2, 3, ...],
    'login_count': [10, 50, 3, ...],
    'last_login_time': ['2023-04-01 12:00', '2023-04-01 11:30', '2023-04-01 10:00', ...],
    'is_risky': [0, 1, 0, ...]  # 0表示正常，1表示高风险
}
df = pd.DataFrame(data)

# 特征工程：将时间转换为距离当前时间的小时数
from datetime import datetime
now = datetime.now()
df['time_since_last_login'] = df['last_login_time'].apply(lambda x: (now - datetime.strptime(x, '%Y-%m-%d %H:%M')).total_seconds() / 3600)

# 训练随机森林分类器
features = ['login_count', 'time_since_last_login']
X = df[features]
y = df['is_risky']
clf = RandomForestClassifier()
clf.fit(X, y)

# 预测新用户的风险等级
new_user = [[20, 1.5]]  # 假设新用户登录了20次，距离上次登录1.5小时
risk_score = clf.predict_proba(new_user)[0][1]
print(f"该用户的潜在风险等级为：{risk_score}")