모든 데이터셋이 Benford's Law를 따르지는 않았죠. 다음 중 Benford's Law를 따르지 않을 가능성이 큰 데이터셋은 무엇인가요? 왜 그런지 설명해 보세요.
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이 장에서는 먼저 사기의 공식적인 정의를 살펴봅니다. 이어서 사용된 결제 수단 유형이나 결제 시점에서의 이상 징후를 탐지해 의심스러운 거래에 플래그를 지정하는 방법을 배우게 됩니다.
두 번째 장에서는 네트워크를 활용해 사기를 방지하는 방법을 배웁니다. 네트워크를 시각화하고, 동질성(homophily)이라 불리는 사회학 개념을 적용해 사기 거래를 탐지하고 범죄자를 색출해 보겠습니다.
다행히 사기 발생은 드뭅니다. 그러나 이는 곧 데이터가 불균형하다는 뜻이며, 이를 그대로 두면 탐지 모델에 편향이 생깁니다. 이 장에서는 오버샘플링과 언더샘플링 기법을 사용해 불균형 문제를 해결합니다.
마지막 장에서는 의심스러운 현상을 탐지하는 데 활용되는 놀라운 수학 법칙을 배웁니다. 이어서 강건 통계를 적용해 모델을 한층 더 견고하게 만드는 방법을 살펴봅니다.
현재 연습
