Reducerea grupului majoritar

În loc să mărești numărul cazurilor de fraudă din setul de date, poți elimina aleatoriu cazuri legitime pentru a echilibra setul de date. Hai să aplicăm subeșantionarea clasei majoritare (Class = 0) în setul de date creditcard. Poți folosi table() în consolă pentru a afla câte tranzacții frauduloase și câte legitime există în set.

Acest exercițiu face parte din cursul

Detecția fraudelor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Încarcă biblioteca ROSE.
Specifică n_new ca numărul necesar de cazuri în setul de date subeșantionat, astfel încât noul set să conțină 40% cazuri de fraudă. Pentru aceasta, împarte numărul cazurilor de fraudă la procentajul dorit de cazuri frauduloase în setul subeșantionat.
Aplică subeșantionarea setului de date.
Folosește table() și prop.table() pentru a verifica echilibrul claselor în setul de date subeșantionat.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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$___
___(___(___))

Editează și rulează codul