合成過度取樣

R 的詐欺偵測

Sebastiaan Höppner

PhD researcher in Data Science at KU Leuven

使用「SMOTE」進行過度取樣

SMOTE：Synthetic Minority Oversampling TEchnique （Chawla 等，2002）
以合成少數類樣本來對少數類（= 詐欺）進行過度取樣

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

選一筆詐欺樣本 X（Tim）。

smote_zoomin

SMOTE - 步驟 1

步驟 1

找出 X（Tim）的 K 個最近詐欺鄰居。例如 K = 4

smote_step1

SMOTE - 步驟 2

步驟 2

隨機選一個 Tim 的最近鄰。例如 X4（Bart）

smote_step2

SMOTE - 步驟 3

步驟 3：建立合成樣本

synthetic_case_1

SMOTE - 步驟 3

步驟 3：建立合成樣本

synthetic_case_2

SMOTE - 步驟 3

步驟 3：建立合成樣本

synthetic_case_3

SMOTE - 步驟 3

smote_step3

SMOTE - 步驟 4

步驟 4

對每筆詐欺樣本重複步驟 1–3，共 dup_size 次。例如 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

一起來練習吧！

R 的詐欺偵測