Rééchantillonnage avec peu de données

Probabilité avancée : l’incertitude dans les données

Maarten Van den Broeck

Senior Content Developer at DataCamp

Qu’est-ce que le rééchantillonnage ?

• Combien de billes de chaque couleur ?
• Estimer sans compter
• Solution : prélever des échantillons répétés et noter les couleurs

Techniques de rééchantillonnage

• Bootstrap
• Validation croisée
• Échantillonnage synthétique

Bootstrap

Validation croisée

Rééchantillonnage synthétique

Exemple : détection de fraude

• Les fraudes sont rares
  • Les modèles prédisent tout comme sûr
• Générer des cas de fraude synthétiques
  • Le modèle apprend les motifs de fraude

Exemple : détection de fraude

• Situation initiale :

  • 1 000 000 de transactions par mois
  • 1 000 ou 0,1 % classées frauduleuses

• Échantillonnage synthétique :

  • Augmenter les fraudes à 10 000 ou 1 %

Passons à la pratique !

Probabilité avancée : l’incertitude dans les données