Construiește-ți propriul model de detecție
Să combinăm instrumentele pe care le-am văzut în acest capitol. Setul de date privind transferurile de credit din exercițiile anterioare a fost împărțit într-un set de antrenament și un set de testare, păstrând același dezechilibru de clase. Ulterior, SMOTE a fost aplicat pe setul de antrenament. Vei construi un model de arbore de clasificare atât pe setul de antrenament original dezechilibrat, cât și pe cel reechilibrat. La final, ambele modele vor fi comparate pe același set de testare.
Bibliotecile rpart și caret sunt deja încărcate în spațiul tău de lucru. Nu ezita să consulți slide-urile pentru a finaliza acest exercițiu.
Acest exercițiu face parte din cursul
Detecția fraudelor în R
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Train the rpart algorithm on the original training set and the SMOTE-rebalanced training set
model_orig <- ___(___, data = ___)
model_smote <- ___(___, data = ___)