Hersampelen bij weinig data

Geavanceerde kansrekening: Onzekerheid in data

Maarten Van den Broeck

Senior Content Developer at DataCamp

Wat is hersampelen?

• Hoeveel knikkers per kleur?
• Schat zonder te tellen
• Oplossing: neem herhaalde samples en noteer kleuren

Hersampeltechnieken

• Bootstrapping
• Kruisvalidering
• Synthetisch sampelen

Bootstrapping

Kruisvalidering

Synthetisch hersampelen

Voorbeeld: fraudedetectie

• Frauduleuze transacties zijn zeldzaam
  • Modellen voorspellen alles als veilig
• Genereer synthetische fraudegevallen
  • Model leert fraude­patronen

Voorbeeld: fraudedetectie

• Beginsituatie:

  • 1.000.000 transacties per maand
  • 1.000 of 0,1% als fraude gemarkeerd

• Synthetisch sampelen:

  • Verhoog fraudemonsters naar 10.000 of 1%

Laten we oefenen!

Geavanceerde kansrekening: Onzekerheid in data