무작위 언더샘플링

R로 배우는 사기 탐지

Bart Baesens

Professor Data Science at KU Leuven

무작위 언더샘플링 (RUS)

언더샘플링 후 클래스 분포 막대그래프

원본 데이터의 학습/테스트 분할

무작위 언더샘플링 개념도 1

무작위 언더샘플링 개념도 2

불균형 데이터의 V2 vs V1 산점도

table(creditcard$Class)

    0     1 
24108   492

n_fraud <- 492
new_frac_fraud <- 0.50
new_n_total <- n_fraud / new_frac_fraud ## = 492 / 0.50 = 984

library(ROSE)
undersampling_result <- ovun.sample(formula = Class ~ ., data = creditcard,
                                    method = "under", N = new_n_total, seed = 2018)

undersampled_credit <- undersampling_result$data

prop.table(table(undersampled_credit$Class))

  0   1 
0.5 0.5

언더샘플링된 데이터의 V2 vs V1 산점도

둘 다 해봅시다!

두 방법의 클래스 분포 비교 막대그래프

n_new <- nrow(creditcard) ## = 24600
fraction_fraud_new <- 0.50

sampling_result <- ovun.sample(formula = Class ~ ., data = creditcard,
                               method = "both",
                               N = n_new,
                               p = fraction_fraud_new,
                               seed = 2018)

sampled_credit <- sampling_result$data

prop.table(table(sampled_credit$Class))

        0         1 
0.5039837 0.4960163

결합 샘플링의 V2 vs V1 산점도

연습해 봅시다!

R로 배우는 사기 탐지