1. 学ぶ
    2. /
  2. コース
    3. /
  3. Rで学ぶ不正検知
Connected

演習

自分で検出モデルを作ってみましょう

この章で学んだツールを組み合わせてみましょう。前の演習で使った振込（credit transfer）のデータセットは、クラス不均衡を保ったまま学習用とテスト用に分割されています。次に、学習用データに対して SMOTE を適用しました。ここでは、元の不均衡な学習用データと、再サンプリングでバランスを取った学習用データの両方に対して、分類木モデルを構築します。最後に、同じテストデータで両モデルを比較します。

rpart と caret ライブラリはすでにワークスペースに読み込まれています。演習の補助としてスライドも参照してかまいません。

指示1 / 4

undefined XP
    1
    2
    3
    4
  • 分類木モデル model_orig と model_smote を、それぞれ元の学習用データ train_original と SMOTE により再サンプリングした学習用データ train_oversampled に対して rpart で学習させてください。目的変数は Class を使います。