Rastgele aşırı örnekleme
Kredi transferlerinin yalnızca çok küçük bir kısmı sahtekârlık içeriyor. Şimdi sınıf dağılımını dengelemek için sahtekârlık vakalarını aşırı örnekleyeceksin. creditcard veri kümesindeki Class özelliği, sahtekârlık varsa 1, aksi halde 0 değerini alır.
Konsolu kullanarak str() ile 'creditcard'ın sütunlarını görüntüleyebilir, head() ile veri kümesinin ilk 6 satırını yazdırabilir ve table(creditcard$Class) ile Sınıf dengesini kontrol edebilirsin.
Bu egzersiz, kursun bir parçasıdır
R ile Dolandırıcılık Tespiti
Egzersiz talimatları
ROSEpaketini yükle.- Yeni veri kümesinin %30 sahtekârlık ve dolayısıyla %70 meşru vakadan oluşması için, aşırı örneklenmiş veri kümesindeki gerekli gözlem sayısı olarak
n_newdeğişkenini belirt. Bunun için, mevcut meşru vaka sayısını, aşırı örneklenmiş veri kümesinde istenen meşru vaka yüzdesine bölmen gerekir. Class ~ .formülüyle aşırı örnekleme yapmak içinovun.sample()fonksiyonunu kullan.- Aşırı örneklenmiş veri kümesinin sınıf dengesini kontrol et.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Load ROSE
___
# Calculate the total number of required cases in the over-sampled dataset
print(table(creditcard$Class))
n_new <- ___
# Over-sample
oversampling_result <- ___(formula = ___, data = ___,
method = ___, N = ___, seed = 2018)
# Verify the Class-balance of the over-sampled dataset
oversampled_credit <- oversampling_result$data
prop.table(___(___))