以下は、pyLDAvisライブラリによる可視化結果です。Enronのメールデータに対するLDAモデルのトピック1と3を見てください。不正検知の観点で、どちらをさらに調査しますか？その理由も述べてください。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、不正検知に伴う代表的な課題を学びます。また、不均衡データの問題に対処するために、賢くデータをリサンプリングする方法を学びます。
不正検知における主な課題に慣れたところで、次は教師あり学習を使って不正な取引にフラグを立てる方法を学びます。分類器を用いて調整し、比較することで、最も効率的な不正検知モデルを見つけます。
この章では、不正を検知するための教師なし学習手法に焦点を当てます。顧客をセグメント化し、K-meansクラスタリングやその他のクラスタリングアルゴリズムを使って、データ内の不審な事象を見つけます。
最終章では、テキストデータ、テキストマイニング、トピックモデルを用いて不正行動を検知します。
現在の演習
