Métodos de conjunto

Fraud Detection in Python

Charlotte Werger

Data Scientist

Qué son los métodos de conjunto: bagging vs. stacking

Métodos de conjunto por stacking

Por qué usar conjuntos en detección de fraude

Métodos de conjunto:

Son robustos
Ayudan a evitar el sobreajuste
Suelen mejorar las predicciones
Ganan concursos de Kaggle de alto nivel

Clasificador por votación

from sklearn.ensemble import VotingClassifier

clf1 = LogisticRegression(random_state=1)
clf2 = RandomForestClassifier(random_state=1)
clf3 = GaussianNB()

ensemble_model = VotingClassifier(estimators=[('lr', clf1),
('rf', clf2), ('gnb', clf3)], voting='hard')

ensemble_model.fit(X_train, y_train)
ensemble_model.predict(X_test)

VotingClassifier(estimators=[('lr', clf1), ('rf', clf2), 
('gnb', clf3)], voting='soft', weights=[2,1,1])

Etiquetas fiables para detectar fraude

¡Vamos a practicar!

Fraud Detection in Python