Z poprzedniego ćwiczenia wiemy, że stosunek liczby oszustw do transakcji nieoszukańczych jest bardzo niski. Możesz coś z tym zrobić – na przykład zastosować ponowne próbkowanie danych, o czym opowiada następny film.

W tym ćwiczeniu przyjrzysz się danym i zwizualizujesz proporcje między oszustwami a rzetelnymi transakcjami. Zanim wprowadzisz jakiekolwiek zmiany w danych, warto je najpierw dokładnie obejrzeć – to zawsze dobry punkt startowy w analizie oszustw.

Poza tym, gdy rozmawiasz ze współpracownikami, jeden wykres potrafi bardzo wyraźnie pokazać, że mamy do czynienia z silnie niezrównoważonymi danymi. Utwórzmy wykres, który zilustruje proporcje między punktami danych oznaczonymi jako oszustwo i jako rzetelna transakcja w zbiorze danych df.

Funkcja prep_data() jest już załadowana w twoim środowisku pracy, podobnie jak matplotlib.pyplot jako plt.

Zwiększanie skuteczności wykrywania oszustw za pomocą ponownego próbkowania danych

Create Your Free Account