다수 클래스 줄이기

데이터셋에서 사기 사례 수를 늘리는 대신, 무작위로 정상 거래를 제거하여 데이터셋의 균형을 맞출 수 있습니다. creditcard 데이터셋에서 다수 클래스(Class = 0)를 언더샘플링해 보겠습니다. 콘솔에서 table()을 사용하면 데이터셋에 사기 거래와 정상 거래가 각각 몇 건인지 확인할 수 있어요.

이 연습은 강의의 일부입니다

R로 배우는 사기 탐지

강의 보기

연습 안내

ROSE 라이브러리를 불러오세요.
언더샘플링된 데이터셋에서 사기 거래가 40%가 되도록 필요한 전체 사례 수 n_new를 지정하세요. 이를 위해 사기 사례 수를 언더샘플링 후 원하는 사기 비율로 나누면 됩니다.
데이터셋을 언더샘플링하세요.
언더샘플링된 데이터셋의 클래스 균형을 table()과 prop.table()로 확인하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Load ROSE
___

# Calculate the required number of cases in the over-sampled dataset
n_new <- ___

# Under-sample
undersampling_result <- ___(formula = ___, data = ___,
                           ___ = ___, ___ = ___, seed = 2018)

# Verify the Class-balance of the under-sampled dataset
undersampled_credit <- undersampling_result$___
___(___(___))

코드 편집 및 실행