직접 탐지 모델 만들어 보기
이번 장에서 배운 도구들을 함께 사용해 보겠습니다. 앞선 연습에서 사용한 신용 이체 데이터셋을 동일한 클래스 불균형을 유지한 채 학습용 및 테스트용으로 분할해 두었습니다. 이후 학습용 데이터에는 SMOTE를 적용했습니다. 이제 원래의 불균형 학습 데이터와 재균형된 학습 데이터 각각으로 분류 트리 모델을 만들겠습니다. 마지막으로 두 모델을 동일한 테스트셋에서 비교해 봅니다.
rpart와 caret 라이브러리는 이미 작업 공간에 로드되어 있습니다. 이 연습을 완료하는 데 슬라이드를 참고하셔도 좋습니다.
이 연습은 강의의 일부입니다
R로 배우는 사기 탐지
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Train the rpart algorithm on the original training set and the SMOTE-rebalanced training set
model_orig <- ___(___, data = ___)
model_smote <- ___(___, data = ___)