Zmniejszanie grupy większościowej

Zamiast zwiększać liczbę przypadków oszustwa w zbiorze danych, możesz losowo usunąć legitymowane transakcje, aby zbalansować zbiór danych. Przeprowadź undersampling klasy większościowej (Class = 0) w zbiorze danych creditcard. Możesz użyć table() w konsoli, aby sprawdzić, ile transakcji oszukańczych i legalnych znajduje się w zbiorze danych.

To ćwiczenie jest częścią kursu

Wykrywanie oszustw w R

Zobacz kurs

Instrukcje do ćwiczenia

Załaduj bibliotekę ROSE.
Określ n_new jako wymaganą liczbę przypadków w zbiorze po undersampligu, tak aby nowy zbiór danych składał się w 40% z przypadków oszustwa. W tym celu podziel liczbę przypadków oszustwa przez docelowy odsetek przypadków oszustwa w zbiorze po undersampligu.
Przeprowadź undersampling zbioru danych.
Użyj table() i prop.table(), aby sprawdzić balans klas w zbiorze po undersampligu.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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$___
___(___(___))

Edytuj i uruchom kod