परिणाम जाँचें
इस अभ्यास में आप अपने DBSCAN fraud detection मॉडल के परिणाम जाँचेंगे. वास्तविक दुनिया में अक्सर आपके पास भरोसेमंद लेबल नहीं होते, और यहीं पर कोई fraud analyst आपके परिणामों का वैलिडेशन कराने में मदद कर सकता/सकती है. वे आपके परिणाम देख सकते हैं और जाँच सकते हैं कि जिन मामलों को आपने फ़्लैग किया है वे सच में संदिग्ध हैं या नहीं. आप ऐतिहासिक रूप से ज्ञात मामलों को भी परख सकते हैं और देख सकते हैं कि आपका मॉडल उन्हें फ़्लैग करता है या नहीं.
इस केस में, आप अपने मॉडल के परिणाम जाँचने के लिए fraud लेबल्स का उपयोग करेंगे. प्रिडिक्ट किए गए क्लस्टर नंबर pred_labels में उपलब्ध हैं, और मूल fraud लेबल labels में.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Fraud Detection
अभ्यास निर्देश
- क्लस्टर नंबरों को वास्तविक लेबल्स के साथ मिलाकर एक dataframe बनाएँ. यह आपके लिए किया जा चुका है.
- ऐसी कंडीशन बनाएँ जो तीन सबसे छोटे क्लस्टर—क्लस्टर 21, 17 और 9—के लिए fraud फ़्लैग करे.
- वास्तविक fraud लेबल्स और नए बनाए गए predicted fraud लेबल्स से एक crosstab बनाएँ.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create a dataframe of the predicted cluster numbers and fraud labels
df = pd.DataFrame({'clusternr':pred_labels,'fraud':labels})
# Create a condition flagging fraud for the smallest clusters
df['predicted_fraud'] = np.where((df['clusternr']==21)|(____)|(____),1 , 0)
# Run a crosstab on the results
print(pd.crosstab(df['fraud'], df['____'], rownames=['Actual Fraud'], colnames=['Flagged Fraud']))