Genomgång av klassificeringsmetoder

Bedrägeridetektering i Python

Charlotte Werger

Data Scientist

Vad är klassificering?

Målet med klassificering: Använda kända bedrägerifall för att träna en modell att känna igen nya bedrägerifall

Exempel:

E-postskräp/Inte skräp
Onlinetransaktion bedräglig: Ja/Nej
Tumör malign/benign?

Variabel att förutsäga: $y \in {0,1} $

0: Negativ klass ("majoritets" normala fall)

1: Positiv klass ("minoritets" bedrägerifall)

Klassificeringsmetoder vanliga inom bedrägeridetektering

Logistisk regression

Klassificeringsmetoder vanliga inom bedrägeridetektering

Neuralt nätverk

Klassificeringsmetoder vanliga inom bedrägeridetektering

Beslutsträd
Slumpskogar

Beslutsträd och slumpskogar

Slumpskogar är en samling träd på slumpmässiga delmängder av särdrag

Slumpskogar för bedrägeridetektering

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

Nu kör vi en övning!

Bedrägeridetektering i Python