धोखाधड़ी पकड़ने के लिए ML classification का उपयोग
इस अभ्यास में आप देखेंगे कि जब हम अपने क्रेडिट कार्ड डेटा पर एक साधारण मशीन लर्निंग मॉडल लगाते हैं, तो क्या होता है.
क्या आपको लगता है कि आप उन नतीजों से बेहतर कर सकते हैं? याद रखिए, आपने 50 में से 22 धोखाधड़ी वाले केस पकड़े थे, और 16 false positives थे.
इसी को ध्यान में रखते हुए, आइए एक Logistic Regression मॉडल इम्प्लीमेंट करें. अगर आपने Python में supervised learning की क्लास ली है, तो आप इस मॉडल से परिचित होंगे. नहीं तो, इस बिंदु पर आप उसे थोड़ा रिफ्रेश करना चाहेंगे. लेकिन चिंता न करें, आपको मशीन लर्निंग मॉडल की संरचना के जरिए गाइड किया जाएगा.
X और y वैरिएबल आपके वर्कस्पेस में उपलब्ध हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Fraud Detection
अभ्यास निर्देश
Xऔरyको training और test डेटा में बाँटें, जिसमें 30% डेटा testing के लिए रखें.- अपने मॉडल को training डेटा पर फिट करें.
X_testपरmodel.predictचलाकर मॉडल के predicted labels प्राप्त करें.y_testऔरpredictedकी तुलना करके classification रिपोर्ट प्राप्त करें, और दिए गए confusion matrix से अपने नतीजों की जाँच करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the training and testing sets
X_train, X_test, y_train, y_test = train_test_split(____, ____, test_size=____, random_state=0)
# Fit a logistic regression model to our data
model = LogisticRegression()
model.fit(____, ____)
# Obtain model predictions
predicted = model.predict(____)
# Print the classifcation report and confusion matrix
print('Classification report:\n', classification_report(____, ____))
conf_mat = confusion_matrix(y_true=y_test, y_pred=predicted)
print('Confusion matrix:\n', conf_mat)