🏠 Beranda
Benchmark
📊 Semua Benchmark 🦖 Dinosaurus v1 🦖 Dinosaurus v2 ✅ Aplikasi To-Do List 🎨 Halaman Bebas Kreatif 🎯 FSACB - Showcase Utama 🌍 Benchmark Terjemahan
Model
🏆 Top 10 Model 🆓 Model Gratis 📋 Semua Model ⚙️ Kilo Code
Sumber Daya
💬 Perpustakaan Prompt 📖 Glosarium AI 🔗 Tautan Berguna
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.