Przegląd metod klasyfikacji

Wykrywanie oszustw w Pythonie

Charlotte Werger

Data Scientist

Czym jest klasyfikacja?

Cel klasyfikacji: Wykorzystanie znanych przypadków oszustw do trenowania modelu wykrywającego nowe przypadki

Przykłady:

Spam/Nie spam w e-mailach
Transakcja online oszukańcza: Tak/Nie
Guz złośliwy/łagodny?

Zmienna do przewidzenia: $y \in {0,1} $

0: Klasa negatywna ("większość" przypadków normalnych)

1: Klasa pozytywna ("mniejszość" przypadków oszustw)

Metody klasyfikacji stosowane w wykrywaniu oszustw

Regresja logistyczna

Metody klasyfikacji stosowane w wykrywaniu oszustw

Sieć neuronowa

Metody klasyfikacji stosowane w wykrywaniu oszustw

Drzewa decyzyjne
Lasy losowe

Drzewa decyzyjne i lasy losowe

Lasy losowe to zbiór drzew budowanych na losowych podzbiorach cech

Lasy losowe w wykrywaniu oszustw

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(random_state=42)

model.fit(X_train, y_train)

predicted = model.predict(X_test)

print (metrics.accuracy_score(y_test, predicted))

0.991324200913242

Czas na ćwiczenia!

Wykrywanie oszustw w Pythonie