Sobre-muestreo aleatorio

Solo una fracción muy pequeña de las transferencias de crédito es fraudulenta. Ahora vas a sobre-muestrear los casos de fraude para equilibrar la distribución de clases. La variable Class en el conjunto de datos creditcard toma el valor 1 en caso de fraude y 0 en caso contrario.

Puedes usar la consola para mostrar las columnas de creditcard con str(), imprimir las primeras 6 filas del conjunto con head() y comprobar el equilibrio de clases con table(creditcard$Class).

Este ejercicio forma parte del curso

Detección de fraude en R

Ver curso

Instrucciones del ejercicio

Carga el paquete ROSE.
Especifica n_new como el número de casos requerido en el conjunto sobre-muestreado de forma que el nuevo conjunto tenga 30% de casos de fraude y por tanto 70% de casos legítimos. Para ello, divide el número actual de casos legítimos entre el porcentaje deseado de casos legítimos en el conjunto sobre-muestreado.
Usa la función ovun.sample() para el sobre-muestreo usando Class ~ . como fórmula.
Comprueba el equilibrio de clases del conjunto sobre-muestreado.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Load ROSE
___

# Calculate the total number of required cases in the over-sampled dataset
print(table(creditcard$Class))
n_new <- ___

# Over-sample
oversampling_result <- ___(formula = ___, data = ___,
                           method = ___, N = ___, seed = 2018)

# Verify the Class-balance of the over-sampled dataset
oversampled_credit <- oversampling_result$data
prop.table(___(___))

Editar y ejecutar código