合成过采样

R 中的欺诈检测

Sebastiaan Höppner

PhD researcher in Data Science at KU Leuven

使用"SMOTE"进行过采样

• SMOTE：Synthetic Minority Oversampling TEchnique （Chawla 等，2002） • 通过创建合成少数类样本来过采样少数类（= 欺诈）

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

选择一个欺诈样本 X（Tim）

smote_zoomin

SMOTE - 步骤 1

步骤 1

找到 X（Tim）的 K 个最近欺诈邻居

例如：K = 4

smote_step1

SMOTE - 步骤 2

步骤 2

从 Tim 的最近邻中随机选一个例如：X4（Bart）

smote_step2

SMOTE - 步骤 3

步骤 3：创建合成样本

合成样本情形 1

SMOTE - 步骤 3

步骤 3：创建合成样本

合成样本情形 2

SMOTE - 步骤 3

步骤 3：创建合成样本

合成样本情形 3

SMOTE - 步骤 3

smote_step3

SMOTE - 步骤 4

步骤 4

对每个欺诈样本将步骤 1–3 重复 dup_size 次

例如：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

¡Vamos a practicar!

R 中的欺诈检测