开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >当响应变量有太多的0's和很少的连续值时建模？

问当响应变量有太多的0's和很少的连续值时建模？
EN

Data Science用户

提问于 2014-11-12 09:21:19

回答 1查看 211关注 0票数 3

对于数据表示在线欺诈或保险(每一行代表一个事务)的问题，响应变量通常表示以美元表示的欺诈行为的价值。这样的响应值可能少于5%的非零值，表示欺诈交易。

关于这样的数据集，我有两个问题：

我们可以使用哪些算法来保证模型不仅可以准确地预测欺诈交易，而且还可以预测与这些欺诈相关的欺诈的价值。
假设我们可以量化每个假阳性所涉及的成本(将非欺诈交易标记为欺诈性交易)和由于虚假否定而产生的成本(将欺诈性交易标记为非欺诈性交易)，我们如何优化该模型以最大限度地节省(或尽量减少损失)？

predictive-modeling

class-imbalance

EN

回答 1

Data Science用户

发布于 2014-11-15 01:30:00

怎么样

普通最小二乘回归？因为你有一个阶级不平衡，你可能想把它和增强算法结合起来。
如果您有一个函数来量化与FP和FN相关的成本，请使用您可以找到的任何优化技术。我最喜欢的是遗传算法。你也可以尝试线性规划。

票数 1

EN

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/2451

复制

相似问题