合成オーバーサンプリング

Rで学ぶ不正検知

Sebastiaan Höppner

PhD researcher in Data Science at KU Leuven

SMOTE によるオーバーサンプリング

SMOTE: Synthetic Minority Oversampling TEchnique （Chawla ほか, 2002）
少数クラス（= 不正）を合成データでオーバーサンプリングする

dim(transfer_data)

1000    4

head(transfer_data)

  isFraud    amount   balance     ratio
1   false  528.6840 1529.4732 0.3456641
2   false  184.0193  836.3509 0.2200265
3   false 1885.8024 2984.0684 0.6319568
4   false  732.0286 1248.7217 0.5862224

prop.table(table(transfer_data$isFraud))

 false  true
  0.99  0.01

smote_scatterplot_1

smote_scatterplot_2

SMOTE

不正サンプル X（Tim）を選ぶ

smote_zoomin

SMOTE - ステップ1

ステップ1

X（Tim）の不正クラスの最近傍 K 点を探す

例: K = 4

smote_step1

SMOTE - ステップ2

ステップ2

Tim の最近傍から 1点をランダムに選ぶ例: X4（Bart）

smote_step2

SMOTE - ステップ3

ステップ3: 合成サンプルを作成

synthetic_case_1

SMOTE - ステップ3

ステップ3: 合成サンプルを作成

synthetic_case_2

SMOTE - ステップ3

ステップ3: 合成サンプルを作成

synthetic_case_3

SMOTE - ステップ3

smote_step3

SMOTE - ステップ4

ステップ4

各不正サンプルに対し、ステップ1–3を dup_size 回繰り返す

例: dup_size = 10

smote_step3

library(smotefamily)
smote_output = SMOTE(X = transfer_data[, -1],
                       target = transfer_data$isFraud,
                       K = 4,
                       dup_size = 10)

oversampled_data = smote_output$data

table(oversampled_data$isFraud)

false  true
  990   110

prop.table(table(oversampled_data$isFraud))

false  true
  0.9   0.1

smote_result

Passons à la pratique !

Rで学ぶ不正検知