Reduzindo o grupo majoritário

Em vez de aumentar o número de casos de fraude no conjunto de dados, você pode remover aleatoriamente casos legítimos para balancear o conjunto. Vamos subamostrar a classe majoritária (Class = 0) no conjunto creditcard. Você pode usar table() no console para saber quantas transações fraudulentas e legítimas há no conjunto de dados.

Este exercício faz parte do curso

Detecção de Fraudes em R

Ver curso

Instruções do exercício

Carregue a biblioteca ROSE.
Especifique n_new como o número necessário de casos no conjunto subamostrado, de forma que o novo conjunto contenha 40% de casos de fraude. Para isso, divida o número de casos de fraude pela porcentagem desejada de fraudes no conjunto subamostrado.
Faça a subamostragem do conjunto de dados.
Use table() e prop.table() para verificar o balanceamento de classes do conjunto subamostrado.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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$___
___(___(___))

Editar e executar o código