เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ตรวจสอบผลลัพธ์

ในแบบฝึกหัดนี้ จะตรวจสอบผลลัพธ์ของโมเดลตรวจจับการฉ้อโกงด้วย DBSCAN ในสถานการณ์จริง มักไม่มีป้ายกำกับที่เชื่อถือได้ ซึ่งนักวิเคราะห์การฉ้อโกงสามารถช่วยตรวจสอบผลได้ว่าเคสที่ถูกตั้งค่าสถานะนั้นน่าสงสัยจริงหรือไม่ นอกจากนี้ยังสามารถนำเคสการฉ้อโกงที่เคยพบในอดีตมาตรวจสอบว่าโมเดลตรวจพบหรือไม่

ในกรณีนี้ จะใช้ป้ายกำกับการฉ้อโกงเพื่อตรวจสอบผลลัพธ์ของโมเดล หมายเลขคลัสเตอร์ที่ทำนายได้มีอยู่ใน pred_labels และป้ายกำกับการฉ้อโกงดั้งเดิมอยู่ใน labels

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจจับการฉ้อโกงด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง dataframe ที่รวมหมายเลขคลัสเตอร์กับป้ายกำกับจริงเข้าด้วยกัน ส่วนนี้ได้ทำไว้ให้แล้ว
  • สร้างเงื่อนไขเพื่อระบุการฉ้อโกงสำหรับสามคลัสเตอร์ที่เล็กที่สุด ได้แก่ คลัสเตอร์ 21, 17 และ 9
  • สร้าง crosstab จากป้ายกำกับการฉ้อโกงจริงกับป้ายกำกับการฉ้อโกงที่สร้างขึ้นใหม่

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create a dataframe of the predicted cluster numbers and fraud labels 
df = pd.DataFrame({'clusternr':pred_labels,'fraud':labels})

# Create a condition flagging fraud for the smallest clusters 
df['predicted_fraud'] = np.where((df['clusternr']==21)|(____)|(____),1 , 0)

# Run a crosstab on the results 
print(pd.crosstab(df['fraud'], df['____'], rownames=['Actual Fraud'], colnames=['Flagged Fraud']))
แก้ไขและรันโค้ด