Ансамблевые методы

Обнаружение мошенничества на Python

Charlotte Werger

Data Scientist

Ансамблевые методы: бэггинг и стекинг

Стекинг как ансамблевый метод

Зачем использовать ансамблевые методы для обнаружения мошенничества

Ансамблевые методы:

Устойчивы
Помогают избежать переобучения
Как правило, улучшают качество предсказаний
Являются выигрышным подходом на престижных соревнованиях Kaggle

Голосующий классификатор

from sklearn.ensemble import VotingClassifier

clf1 = LogisticRegression(random_state=1)
clf2 = RandomForestClassifier(random_state=1)
clf3 = GaussianNB()

ensemble_model = VotingClassifier(estimators=[('lr', clf1),
('rf', clf2), ('gnb', clf3)], voting='hard')

ensemble_model.fit(X_train, y_train)
ensemble_model.predict(X_test)

VotingClassifier(estimators=[('lr', clf1), ('rf', clf2), 
('gnb', clf3)], voting='soft', weights=[2,1,1])

Надёжные метки для обнаружения мошенничества

Давайте потренируемся!

Обнаружение мошенничества на Python