Aumentando detecções bem-sucedidas com reamostragem de dados

Detecção de Fraudes em Python

Charlotte Werger

Data Scientist

Undersampling

Oversampling

Oversampling em Python

from imblearn.over_sampling import RandomOverSampler

method = RandomOverSampler()
X_resampled, y_resampled = method.fit_resample(X, y)

compare_plots(X_resampled, y_resampled, X, y)

Synthetic Minority Oversampling Technique (SMOTE)

¹ https://www.kaggle.com/rafjaa/resampling-strategies-for-imbalanced-datasets

Qual método de reamostragem usar?

Random Under Sampling (RUS): descarta dados, computacionalmente eficiente
Random Over Sampling (ROS): direto e simples, mas treina o modelo com muitos duplicados
Synthetic Minority Oversampling Technique (SMOTE): conjunto mais sofisticado e realista, mas você treina com dados "falsos"

Quando usar reamostragem

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# Defina o método de reamostragem e faça o split em treino e teste
method = SMOTE()
X_train, X_test, y_train, y_test = train_test_split(X, y,
 train_size=0.8, random_state=0)

# Aplique reamostragem só nos dados de treino
X_resampled, y_resampled = method.fit_resample(X_train, y_train)

# Continue ajustando o modelo e obtenha previsões
model = LogisticRegression()
model.fit(X_resampled, y_resampled)

# Obtenha suas métricas de desempenho
predicted = model.predict(X_test)
print (classification_report(y_test, predicted))

Vamos praticar!

Detecção de Fraudes em Python