अपना खुद का डिटेक्शन मॉडल बनाइए
आइए, इस अध्याय में देखे गए टूल्स को एक साथ इस्तेमाल करें। पिछले अभ्यासों वाले क्रेडिट ट्रांसफर डेटासेट को ट्रेनिंग सेट और टेस्ट सेट में बाँटा गया था, और दोनों में क्लास असंतुलन समान है। इसके बाद, ट्रेनिंग सेट पर SMOTE लागू किया गया। आप मूल असंतुलित ट्रेनिंग सेट और फिर री-बैलेंस किए गए ट्रेनिंग सेट पर एक क्लासिफिकेशन ट्री मॉडल बनाएँगे। अंत में, दोनों मॉडलों की तुलना उसी टेस्ट सेट पर की जाएगी.
rpart और caret लाइब्रेरीज़ आपके वर्कस्पेस में पहले से लोड हैं। इस अभ्यास को पूरा करने के लिए स्लाइड्स को देखने में संकोच न करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Fraud Detection
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Train the rpart algorithm on the original training set and the SMOTE-rebalanced training set
model_orig <- ___(___, data = ___)
model_smote <- ___(___, data = ___)