信用卡欺诈模型的一些总结

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/sinat_32502811/article/details/81008948

有些言简意赅·······
1. 样本不均衡

  • 过采样
    • 让少的生成,让两者同样多
  • 下采样

    • i. 让多的和少的一样多,相当于让多的放弃一些数据,让二者一样少

2. 各种评估指标:

  • recall = TP/(TP+FN)

  • 精度(precision) = (TP+TN)/(FP+FN)

    局限性:举个极端情况的例子,如果数据中大部分都是正样本,只有很少的负样本(样本不均衡),那么我仅仅只构造一个只会输出正类的模型,准确率也能达到很高,但是这样的模型不具有任何意义

3. 混淆矩阵

  • a. x:predict label;y:True label

  • b. 其实就是TP,FP,TN,FN

4.predict_proba(x_test.values)

5.SMOTE 算法(负样本的生成)

  • 算法内容:
    • 对于少数类中每一个样本x,以欧氏距离为标准计算它到少数类样本集中所有样本的距离,得到其k近邻
    • 根据样本不平衡比例,设置一个采样比例以确定采样倍率N,对于每一个少数类样本,从其k近邻中随机选择若干个样本.假设每一个选出来的为xnxn
    • 对于每一个随机选出的近邻xixi分别对于原样本按照如下公式构建新样本:xnew=xi+rand(0,1)(x^x)xnew=xi+rand(0,1)⋅(x^−x)
  • SMOTE算法的库:
from imblearn.over_sampling import SMOTE
上一篇:Socket.IO + Express实现的跨浏览器、子域的聊天室


下一篇:java-学习-自我规划