Syntetyczne próbkowanie nadmiarowe

Wykrywanie oszustw w R

Sebastiaan Höppner

PhD researcher in Data Science at KU Leuven

Próbkowanie nadmiarowe z użyciem SMOTE

SMOTE : Synthetic Minority Oversampling TEchnique (Chawla i in., 2002)
Próbkowanie nadmiarowe klasy mniejszościowej (= oszustwo) przez tworzenie syntetycznych przypadków

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

Wybierzmy przypadek oszustwa X (Tim)

smote_zoomin

SMOTE – krok 1

Krok 1

Znajdź K najbliższych sąsiadów-oszustw dla X (Tim)

np. K = 4

smote_step1

SMOTE – krok 2

Krok 2

Losowo wybierz jednego z najbliższych sąsiadów Tima

np. X4 (Bart)

smote_step2

SMOTE – krok 3

Krok 3: utwórz syntetyczną próbkę

synthetic_case_1

SMOTE – krok 3

Krok 3: utwórz syntetyczną próbkę

synthetic_case_2

SMOTE – krok 3

Krok 3: utwórz syntetyczną próbkę

synthetic_case_3

SMOTE – krok 3

smote_step3

SMOTE – krok 4

Krok 4

Powtórz kroki 1–3 dla każdego przypadku oszustwa dup_size razy

np. 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

Czas na ćwiczenia!

Wykrywanie oszustw w R