通过数据重采样提升检测成功率

Python 中的欺诈检测

Charlotte Werger

Data Scientist

欠采样

过采样

在 Python 中进行过采样

from imblearn.over_sampling import RandomOverSampler

method = RandomOverSampler()
X_resampled, y_resampled = method.fit_resample(X, y)

compare_plots(X_resampled, y_resampled, X, y)

合成少数类过采样技术（SMOTE）

¹ https://www.kaggle.com/rafjaa/resampling-strategies-for-imbalanced-datasets

应使用哪种重采样方法？

随机欠采样（RUS）：丢弃数据，计算高效
随机过采样（ROS）：简单直接，但会重复训练样本
SMOTE：更逼真的数据集，但在"合成"数据上训练

何时使用重采样方法

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 定义重采样方法并划分训练/测试集
method = SMOTE()
X_train, X_test, y_train, y_test = train_test_split(X, y,
 train_size=0.8, random_state=0)

# 仅对训练集进行重采样
X_resampled, y_resampled = method.fit_resample(X_train, y_train)

# 拟合模型并获取预测
model = LogisticRegression()
model.fit(X_resampled, y_resampled)

# 获取性能指标
predicted = model.predict(X_test)
print (classification_report(y_test, predicted))

Passons à la pratique !

Python 中的欺诈检测