Metody zespołowe

Wykrywanie oszustw w Pythonie

Charlotte Werger

Data Scientist

Metody zespołowe: bagging a stacking

Metody zespołowe – stacking

Dlaczego stosować metody zespołowe w wykrywaniu oszustw

Metody zespołowe:

Są odporne
Pomagają unikać przeuczenia
Zazwyczaj poprawiają jakość prognoz
Są sprawdzoną formułą na prestiżowych konkursach Kaggle

Klasyfikator głosujący

from sklearn.ensemble import VotingClassifier

clf1 = LogisticRegression(random_state=1)
clf2 = RandomForestClassifier(random_state=1)
clf3 = GaussianNB()

ensemble_model = VotingClassifier(estimators=[('lr', clf1),
('rf', clf2), ('gnb', clf3)], voting='hard')

ensemble_model.fit(X_train, y_train)
ensemble_model.predict(X_test)

VotingClassifier(estimators=[('lr', clf1), ('rf', clf2), 
('gnb', clf3)], voting='soft', weights=[2,1,1])

Wiarygodne etykiety w wykrywaniu oszustw

Czas na ćwiczenia!

Wykrywanie oszustw w Pythonie