Rzeczywisty koszt wykrywania oszustw

Zbudowano dwa modele – jeden na oryginalnym zbiorze treningowym (model_orig), a drugi na zbalansowanym zbiorze treningowym (model_smote). Przewidywane klasy dla przypadków ze zbioru test noszą nazwy odpowiednio predicted_class_orig i predicted_class_smote. Zamiast porównywać modele wykrywania oszustw na podstawie ich dokładności, lepiej obliczyć koszt wykrywania.

Poniżej znajduje się definicja funkcji cost_model(). Przejrzyj ją, aby zrozumieć, jak obliczany jest koszt.

cost_model <- function(predicted.classes, true.classes, amounts, fixedcost) {
  library(hmeasure)
  predicted.classes <- relabel(predicted.classes)
  true.classes <- relabel(true.classes)
  cost <- sum(true.classes * (1 - predicted.classes) * amounts + predicted.classes * fixedcost)
  return(cost)
}