ud120-finalproject
使用机器学习通过安然数据集识别安然公司欺诈。
使用Enron Datasets.ipynb的功能：感兴趣的人是什么：-被起诉-被定居但不认罪-被证明可以换取豁免
数据集：大量电子邮件
数据类型：数值=数值（数字）
类别=有限数量的离散值（类别）
时间序列=时间值（日期，时间戳）
文字=文字
数据集的形式：
enron_data [“姓氏第一中间人”] = {features_dict}
features_dict包含与人相关联的特征。
安然数据-数据集有趣而困难的部分是非POI到POI的分布非常不对称，因为从146个国家中只有11个人或数据点被标记为POI或犯有欺诈罪。 我们有兴趣将数据集中的每个人都标记为POI或非POI（POI代表“关注的人”）。 不仅如此，如果我们可以给每个人分配一个概率，以查看她成为POI的机会是多少，考虑到总是
