下方是可用的 pyLDAvis 函式庫視覺化結果。請查看 Enron 電子郵件資料的 LDA 模型中的主題 1 與主題 3。針對詐欺偵測的目標，你會進一步研究哪一個？為什麼？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
本章你將認識詐欺偵測常見的挑戰，並學習如何以聰明的方式重新取樣，來因應不平衡資料的問題。
既然你已熟悉詐欺偵測的主要挑戰，接下來要學習如何用監督式學習為交易加上可疑標記。你會使用分類器、調整參數，並進行比較，以找出最有效率的詐欺偵測模型。
本章著重於運用非監督式學習技術來偵測詐欺。你會進行客戶分群，使用 K-means 分群與其他分群演算法，在資料中找出可疑的異常。
在最後一章，你將使用文字資料、文字探勘與主題模型來偵測詐欺行為。
當前練習
