まとめ

Pythonで学ぶ不正検知

Charlotte Werger

Data Scientist

不均衡データの取り扱い

• 極端に不均衡な不正データを扱いました
• データのリサンプリング方法を学びました
• さまざまなリサンプリング手法を学びました

ラベル付きデータでの不正検知

• 不正検知のための教師あり学習を復習しました
• 信頼できる評価指標と適合率-再現率のトレードオフを学びました
• 不正データに対応するためのハイパーパラメータ最適化を学びました
• アンサンブル手法を不正検知に適用しました

ラベルなしでの不正検知

• セグメンテーションの重要性を学びました
• クラスタリング手法を復習しました
• K-meansで外れ値や小規模クラスタを用いた不正検知を学びました
• 不正検知にDBSCANを適用しました

不正検知のためのテキストマイニング

• テキストマイニングで不正検知を補強する方法を理解しました
• 特定語の検索でフラグを立て、トピックモデルによる不正検知を学びました
• 乱れたテキストデータの効果的なクリーニングを学びました

さらなる学習トピック

• ネットワーク分析による不正検知
• さまざまな教師あり・教師なし学習（例：ニューラルネット）
• 超大規模データの取り扱い

コースの締めくくり

Pythonで学ぶ不正検知