寻找降低机器学习分类误报率的想法

Question

有没有办法降低经典欺诈预测问题中的误报率。 目前我正在研究经典的欺诈检测。 真实标签样本50000份（结果待查）。 这些训练标签相当平衡。 我选择的逻辑回归 model 表现良好，f1 得分超过 90%。 现在当使用 model 预测新案例时，结果为 50/50（欺诈和非欺诈）。 有没有办法调整 model 让通过非欺诈案件并惩罚误报率，以便我们检测到更少数量的欺诈案件（可能少于一百万中的 200），但它们很可能是欺诈。 希望清除。

Answer 1

以下是逻辑回归 model 采用的所有参数。

sklearn.linear_model.LogisticRegression(penalty='l2', *, dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='lbfgs', max_iter=100, multi_class='auto', verbose=0, warm_start=False, n_jobs=None, l1_ratio=None)

大多数情况下，默认值运行良好，因此，如果您更改了参数，请尝试使用默认值。 如果您已经在使用默认参数但结果仍然很差，那么您可能需要根据您的数据集更改参数值。 为此，您需要知道所有这些参数的含义。 如果您不知道，请点击此链接

Answer 2

因此，您想让 model 更频繁地预测“非欺诈”。 取决于您使用的 model。 如果您希望您可以自由设置逻辑回归 model 的 output 的阈值，该阈值仅允许 output 实际上更接近 1 的实例被归类为“Fraud”。 例如，这可以在 sklearn 中通过使用 predict_log_proba(X) 或 predict_proba(X)（对数概率或概率）访问 model 的 output 概率来完成。 （来源： https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression ）

If your model is supposed to output 1 for 'Fraud', you may threshold the output using an if (if output > 0.8 then 'Fraud').