在前一個練習中，你把到叢集質心距離位於「前 5 分位數」的觀測值全部標記為詐欺。也就是說，這些是三個叢集中的極端離群點。本題中，經過標準化的資料與標籤已經分成訓練集與測試集，所以 y_test 可用。上一題的預測結果 km_y_pred 也已提供。讓我們建立一些效能指標，看看你的表現如何。
y_test
km_y_pred
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Obtain the ROC score print(____(____, ____))
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。
當前練習
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。