Методи ансамблю

Виявлення шахрайства в Python

Charlotte Werger

Data Scientist

Що таке методи ансамблю: bagging проти stacking

Ансамблі на основі stacking

Навіщо використовувати ансамблі для виявлення шахрайства

Методи ансамблю:

Мають високу надійність
Допомагають уникати overfitting
Зазвичай підвищують якість прогнозу
Часто перемагають на престижних змаганнях Kaggle

Класифікатор з голосуванням

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])

Надійні мітки для виявлення шахрайства

Давайте потренуємось!

Виявлення шахрайства в Python