如何解决100%的数据准确性在快速矿工??(紧急)

StudentNeedsHelp

大家好,

其目的是根据所提供的数据集以最佳的准确性捕获和预测欺诈案件。例如，被提名为欺诈的案件，结果是非欺诈的案件，并不像预测为非欺诈的案件那么重要，结果却是。

为此，我想使用逻辑回归，神经网络和决策树进行比较(提供了工作)。每当我运行这些模型时，所有的准确率都接近100%，这肯定是不正确的。

我是新的快速挖掘和数据预处理，有人能告诉我，我应该朝哪个方向?

lionelderkrikor

(电子邮件保护)，

考虑到你的数据集是高度不平衡的(在你的数据集中，“非欺诈”案例比“欺诈”案例多得多)
这就是为什么模型很难建立你的特征和你的标签的少数类别(“欺诈”)之间的关系。
总之，该模型将你的所有交易都视为“非欺诈”，这就是为什么你的准确率接近100%。
我认为在你的情况下，一个更好的绩效指标是“阶级回忆”。你想要优先正确预测诈骗案件，不是吗?
为此，您必须通过增加“欺诈”案例的示例数量来增加初始数据集的样本
击杀Upsampling操作符。这样，就会增加班级对欺诈案的召回。

理想情况下，您可以在上采样操作符之后使用Auto-Model，并在“准备目标”屏幕上定义成本矩阵(通常您可以“量化”“假阴性”错误分类的成本和“假阳性”错误分类的成本)。
自动模型将被执行，以尽量减少错误分类的成本，并在罚款，以最大限度地提高收益…

希望这能帮到你，

问候,

莱昂内尔

StudentNeedsHelp

嗨@lionelderkrikor谢谢你的解释，现在明白多了。是的，首要任务是正确预测欺诈，并确保欺诈不被标记为非欺诈。我现在在非负系数的逻辑回归上使用了SMOTE上采样。准确率已经下降到97-98%左右。有没有一种方法可以在不使用自动模型的情况下量化假阴性和阳性?第二个模型，神经网络仍然显示不平衡，我很困惑如何找到罕见的类负责。

谢谢

lionelderkrikor

@StudentNeedsHelp

是的，如果没有自动建模，您可以使用性能(成本)操作人员首先量化FN和FP的成本，并计算错误分类的最终成本。
请查看附件中的过程，使用您的数据进行实验并了解....

希望这能帮到你，

问候,

莱昂内尔