Méthodes d'ensemble

Détection de fraude en Python

Charlotte Werger

Data Scientist

Qu'est-ce que les méthodes d'ensemble : bagging ou stacking

Méthodes d'ensemble par stacking

Pourquoi utiliser des méthodes d'ensemble pour la détection de fraude

Méthodes d'ensemble :

Sont robustes
Aident à éviter le surapprentissage
Améliorent souvent la performance de prédiction
Gagnent souvent aux compétitions Kaggle de prestige

Classifieur par vote

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])

Étiquettes fiables pour la détection de fraude

Passons à la pratique !

Détection de fraude en Python