Revue des méthodes de classification

Détection de fraude en Python

Charlotte Werger

Data Scientist

Qu'est-ce que la classification ?

But de la classification : utiliser des cas de fraude connus pour entraîner un modèle à repérer de nouveaux cas

Exemples :

  • Courriel pourriel/pas pourriel
  • Transaction en ligne frauduleuse : Oui/Non
  • Tumeur maligne/bénigne ?

Variable à prédire : $y \in {0,1} $

0 : classe négative (cas « majoritaires » normaux)

1 : classe positive (cas « minoritaires » de fraude)

Détection de fraude en Python

Méthodes de classification courantes pour détecter la fraude

  • Régression logistique

Détection de fraude en Python

Méthodes de classification courantes pour détecter la fraude

  • Réseau de neurones

Détection de fraude en Python

Méthodes de classification courantes pour détecter la fraude

  • Arbres de décision
  • Forêts aléatoires

Détection de fraude en Python

Arbres de décision et forêts aléatoires

  • Les forêts aléatoires sont un ensemble d'arbres sur des sous-ensembles aléatoires de variables

Détection de fraude en Python

Forêts aléatoires pour la détection de fraude

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier(random_state=42)

model.fit(X_train, y_train)

predicted = model.predict(X_test)

print (metrics.accuracy_score(y_test, predicted))

0.991324200913242
Détection de fraude en Python

Passons à la pratique !

Détection de fraude en Python

Preparing Video For Download...