Syntetisk översampling

Bedrägeridetektering i R

Sebastiaan Höppner

PhD researcher in Data Science at KU Leuven

Översampling med SMOTE

SMOTE : Synthetic Minority Oversampling TEchnique (Chawla et al., 2002)
Översampla minoritetsklassen (= bedrägeri) genom att skapa syntetiska fall

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

Vi väljer ett bedrägerifall X (Tim)

smote_zoomin

SMOTE – steg 1

Steg 1

Hitta K närmaste bedrägliga grannar till X (Tim)

t.ex. K = 4

smote_step1

SMOTE – steg 2

Steg 2

Välj slumpmässigt en av Tims närmaste grannar

t.ex. X4 (Bart)

smote_step2

SMOTE – steg 3

Steg 3 : skapa syntetiskt sampel

synthetic_case_1

SMOTE – steg 3

Steg 3 : skapa syntetiskt sampel

synthetic_case_2

SMOTE – steg 3

Steg 3 : skapa syntetiskt sampel

synthetic_case_3

SMOTE – steg 3

smote_step3

SMOTE – steg 4

Steg 4

Upprepa steg 1–3 för varje bedrägerifall dup_size gånger

t.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

Nu kör vi en övning!

Bedrägeridetektering i R