Reeșantionare pentru date limitate

Probabilitate avansată: Incertitudinea în date

Maarten Van den Broeck

Senior Content Developer at DataCamp

Ce este reeșantionarea?

• Câte bile de fiecare culoare?
• Estimați fără a număra
• Soluție: preluați eșantioane repetate și înregistrați culorile

Tehnici de reeșantionare

• Bootstrapping
• Validare încrucișată
• Eșantionare sintetică

Bootstrapping

Validare încrucișată

Reeșantionare sintetică

Exemplu: detectarea fraudelor

• Tranzacțiile frauduloase sunt rare
  • Modelele prezic toate tranzacțiile ca sigure
• Generați cazuri sintetice de fraudă
  • Modelul poate învăța tipare de fraudă

Exemplu: detectarea fraudelor

• Situația inițială:

  • 1.000.000 de tranzacții pe lună
  • 1.000 sau 0,1% clasificate ca frauduloase

• Eeșantionare sintetică:

  • Creșteți eșantioanele frauduloase la 10.000 sau 1%

Să exersăm!

Probabilitate avansată: Incertitudinea în date