ทบทวนวิธีการจำแนกประเภท

การตรวจจับการฉ้อโกงด้วย Python

Charlotte Werger

Data Scientist

การจำแนกประเภทคืออะไร?

เป้าหมายของการจำแนกประเภท: ใช้ข้อมูลการฉ้อโกงที่รู้จักแล้วเพื่อฝึกโมเดลให้ตรวจจับกรณีใหม่

ตัวอย่าง:

อีเมลสแปม/ไม่สแปม
ธุรกรรมออนไลน์ฉ้อโกง: ใช่/ไม่ใช่
เนื้องอกร้าย/ไม่ร้าย?

ตัวแปรที่ต้องการทำนาย: $y \in {0,1} $

0: คลาสลบ (กรณีปกติ "ส่วนใหญ่")

1: คลาสบวก (กรณีฉ้อโกง "ส่วนน้อย")

วิธีการจำแนกประเภทที่ใช้บ่อยในการตรวจจับการฉ้อโกง

Logistic regression

วิธีการจำแนกประเภทที่ใช้บ่อยในการตรวจจับการฉ้อโกง

Neural network

วิธีการจำแนกประเภทที่ใช้บ่อยในการตรวจจับการฉ้อโกง

Decision trees
Random forests

Decision trees และ random forests

Random forests คือกลุ่มของ decision trees ที่สร้างจากชุดฟีเจอร์แบบสุ่ม

Random forests สำหรับการตรวจจับการฉ้อโกง

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

มาฝึกกันเถอะ!

การตรวจจับการฉ้อโกงด้วย Python