Suréchantillonnage synthétique

Détection de la fraude en R

Sebastiaan Höppner

PhD researcher in Data Science at KU Leuven

Suréchantillonnage avec « SMOTE »

SMOTE : Synthetic Minority Oversampling TEchnique (Chawla et al., 2002)
Suréchantillonner la classe minoritaire (= fraude) en créant des cas synthétiques

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

Sélectionnons un cas de fraude X (Tim)

smote_zoomin

SMOTE - étape 1

Étape 1

Trouver les K voisins frauduleux les plus proches de X (Tim)

p. ex. K = 4

smote_step1

SMOTE - étape 2

Étape 2

Choisir au hasard l'un des plus proches voisins de Tim p. ex. X4 (Bart)

smote_step2

SMOTE - étape 3

Étape 3 : créer un cas synthétique

synthetic_case_1

SMOTE - étape 3

Étape 3 : créer un cas synthétique

synthetic_case_2

SMOTE - étape 3

Étape 3 : créer un cas synthétique

synthetic_case_3

SMOTE - étape 3

smote_step3

SMOTE - étape 4

Étape 4

Répéter les étapes 1 à 3 pour chaque cas de fraude dup_size fois

p. ex. 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

Passons à la pratique !

Détection de la fraude en R

Suréchantillonnage synthétique

Suréchantillonnage avec « SMOTE »

SMOTE

SMOTE - étape 1

SMOTE - étape 2

SMOTE - étape 3

SMOTE - étape 3

SMOTE - étape 3

SMOTE - étape 3

SMOTE - étape 4

Passons à la pratique !

Suréchantillonnage avec « SMOTE »