🏠 الرئيسية
المقاييس
📊 جميع المقاييس 🦖 ديناصور v1 🦖 ديناصور v2 ✅ تطبيقات قائمة المهام 🎨 صفحات حرة إبداعية 🎯 FSACB - العرض النهائي 🌍 مقياس الترجمة
النماذج
🏆 أفضل 10 نماذج 🆓 نماذج مجانية 📋 جميع النماذج ⚙️ كيلو كود
الموارد
💬 مكتبة الأوامر 📖 قاموس الذكاء الاصطناعي 🔗 روابط مفيدة
advanced

معالجة مجموعات البيانات غير المتوازنة للاحتيال المالي

#machine-learning #data-imbalance #fraud-detection

تطوير استراتيجية متقدمة للنمذجة التنبؤية عند مواجهة عدم التوازن الشديد في البيانات.

بصفتك عالم بيانات أول، أنت تتعامل مع مجموعة بيانات معاملات مالية حيث تمثل حالات الاحتيال 0.1% فقط من إجمالي البيانات. اشرح بالتفصيل خطواتك لبناء نموذج تعلم آلي قوي. يجب أن تغطي إجابتك: 1. تقنيات إعادة التشكيل (Resampling) مثل SMOTE وتأثيرها على البيانات الزائدة (Overfitting). 2. استخدام مقاييس التقييم المناسبة (مثل AUC-PR بدلاً من Accuracy). 3. استراتيجيات ضبط العتبة (Threshold Tuning) لتقليل الإيجابيات الكاذبة الخاطئة التي قد تزعج المستخدمين الشرعيين.