尋找降低機器學習分類誤報率的想法

Question

有沒有辦法降低經典欺詐預測問題中的誤報率。 目前我正在研究經典的欺詐檢測。 真實標簽樣本50000份（結果待查）。 這些訓練標簽相當平衡。 我選擇的邏輯回歸 model 表現良好，f1 得分超過 90%。 現在當使用 model 預測新案例時，結果為 50/50（欺詐和非欺詐）。 有沒有辦法調整 model 讓通過非欺詐案件並懲罰誤報率，以便我們檢測到更少數量的欺詐案件（可能少於一百萬中的 200），但它們很可能是欺詐。 希望清除。

Answer 1

以下是邏輯回歸 model 采用的所有參數。

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)

大多數情況下，默認值運行良好，因此，如果您更改了參數，請嘗試使用默認值。 如果您已經在使用默認參數但結果仍然很差，那么您可能需要根據您的數據集更改參數值。 為此，您需要知道所有這些參數的含義。 如果您不知道，請點擊此鏈接

Answer 2

因此，您想讓 model 更頻繁地預測“非欺詐”。 取決於您使用的 model。 如果您希望您可以自由設置邏輯回歸 model 的 output 的閾值，該閾值僅允許 output 實際上更接近 1 的實例被歸類為“Fraud”。 例如，這可以在 sklearn 中通過使用 predict_log_proba(X) 或 predict_proba(X)（對數概率或概率）訪問 model 的 output 概率來完成。 （來源： 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').