Resampling przy ograniczonych danych

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Maarten Van den Broeck

Senior Content Developer at DataCamp

Czym jest resampling?

  • Ile kulek każdego koloru?
  • Oszacuj bez liczenia
  • Rozwiązanie: pobierz wielokrotne próbki i rejestruj kolory

Słoik pełen kulek

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Techniki resampingu

  • Bootstrapping
  • Walidacja krzyżowa
  • Syntetyczny sampling
Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Bootstrapping

Ilustracja bootstrappingu

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Walidacja krzyżowa

Ilustracja walidacji krzyżowej

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Syntetyczny resampling

Ilustracja syntetycznego resampingu

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Przykład: wykrywanie oszustw

  • Transakcje oszukańcze są rzadkie
    • Modele klasyfikują wszystkie transakcje jako bezpieczne
  • Generowanie syntetycznych przypadków oszustw
    • Model może uczyć się wzorców oszustw

Osoba korzystająca z karty i laptopa

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Przykład: wykrywanie oszustw

  • Sytuacja wyjściowa:

    • 1 000 000 transakcji miesięcznie
    • 1 000, czyli 0,1% sklasyfikowanych jako oszukańcze

  • Syntetyczny resampling:

    • Zwiększenie próbek oszustw do 10 000, czyli 1%

Osoba korzystająca z karty i laptopa

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Czas na ćwiczenia!

Zaawansowane rachunki prawdopodobieństwa: niepewność w danych

Preparing Video For Download...