สร้างโมเดลตรวจจับของคุณเอง
มาลองรวมเครื่องมือทั้งหมดที่เรียนมาในบทนี้กัน ชุดข้อมูลการโอนเงินจากแบบฝึกหัดก่อนหน้าถูกแบ่งออกเป็นชุดฝึกและชุดทดสอบ โดยมีความไม่สมดุลของคลาสเท่าเดิม จากนั้นจึงนำ SMOTE มาใช้กับชุดฝึก คุณจะสร้างโมเดล classification tree บนชุดฝึกที่ไม่สมดุลดั้งเดิมและชุดฝึกที่ปรับสมดุลแล้ว แล้วนำทั้งสองโมเดลมาเปรียบเทียบกันบนชุดทดสอบชุดเดียวกัน
ไลบรารี rpart และ caret ถูกโหลดไว้ในพื้นที่ทำงานแล้ว อ้างอิงสไลด์ได้เสมอหากต้องการความช่วยเหลือในการทำแบบฝึกหัดนี้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การตรวจจับการฉ้อโกงใน R
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Train the rpart algorithm on the original training set and the SMOTE-rebalanced training set
model_orig <- ___(___, data = ___)
model_smote <- ___(___, data = ___)