Převzorkování při omezeném množství dat

Pokročilá pravděpodobnost: neurčitost v datech

Maarten Van den Broeck

Senior Content Developer at DataCamp

Co je převzorkování?

• Kolik kuliček každé barvy?
• Odhadněte bez počítání
• Řešení: opakované vzorkování a zaznamenání barev

Techniky převzorkování

• Bootstrapping
• Křížová validace
• Syntetické vzorkování

Bootstrapping

Křížová validace

Syntetické převzorkování

Příklad: detekce podvodů

• Podvodné transakce jsou vzácné
  • Modely označí všechny transakce jako bezpečné
• Generování syntetických podvodných případů
  • Model se může naučit vzory podvodů

Příklad: detekce podvodů

• Výchozí situace:

  • 1 000 000 transakcí měsíčně
  • 1 000, tj. 0,1 % označeno jako podvodné

• Syntetické vzorkování:

  • Zvýšení podvodných vzorků na 10 000, tj. 1 %

Pojďme si procvičit!

Pokročilá pravděpodobnost: neurčitost v datech