結果を確認する
この演習では、DBSCAN を用いた不正検知モデルの結果を確認します。実務では信頼できるラベルがないことも多く、その場合は不正分析担当者が結果の妥当性確認を手伝ってくれます。担当者はあなたの結果を確認し、フラグを立てた事例が本当に怪しいかどうかを判断できます。また、過去に判明している不正事例がモデルで検知されるかを確認することもできます。
この演習では、モデル結果を確認するために不正ラベルを使用します。予測されたクラスタ番号は pred_labels に、元の不正ラベルは labels に格納されています。
この演習はコースの一部です
Pythonで学ぶ不正検知
演習の手順
- クラスタ番号と実際のラベルを結合したデータフレームを作成します。これはすでに用意されています。
- 最小の3つのクラスタ（21、17、9）を不正としてフラグする条件を作成します。
- 実際の不正ラベルと、新たに作成した予測不正ラベルからクロス集計を作成します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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']))