วิธีการ Ensemble

การตรวจจับการฉ้อโกงด้วย Python

Charlotte Werger

Data Scientist

วิธีการ Ensemble คืออะไร: Bagging กับ Stacking

วิธีการ Ensemble แบบ Stacking

ทำไมต้องใช้วิธีการ Ensemble สำหรับการตรวจจับการฉ้อโกง

วิธีการ Ensemble:

มีความทนทานสูง
ช่วยลดปัญหา Overfitting
โดยทั่วไปช่วยเพิ่มประสิทธิภาพการพยากรณ์
เป็นสูตรสำเร็จในการแข่งขัน Kaggle ระดับชั้นนำ

Voting Classifier

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])

ป้ายกำกับที่เชื่อถือได้สำหรับการตรวจจับการฉ้อโกง

มาฝึกกันเถอะ!

การตรวจจับการฉ้อโกงด้วย Python