Ensemblemethoden

Fraudedetectie in Python

Charlotte Werger

Data Scientist

Wat zijn ensemblemethoden: bagging versus stacking

Stacking-ensembles

Waarom ensembles voor fraudedetectie

Ensemblemethoden:

Zijn robuust
Helpen overfitting voorkomen
Verbeteren vaak de voorspellingsprestatie
Winnen vaak prestigieuze Kaggle-wedstrijden

Voting Classifier

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])

Betrouwbare labels voor fraudedetectie

Laten we oefenen!

Fraudedetectie in Python