🏠 Strona Główna
Benchmarki
📊 Wszystkie benchmarki 🦖 Dinozaur v1 🦖 Dinozaur v2 ✅ Aplikacje To-Do List 🎨 Kreatywne wolne strony 🎯 FSACB - Ostateczny pokaz 🌍 Benchmark tłumaczeń
Modele
🏆 Top 10 modeli 🆓 Darmowe modele 📋 Wszystkie modele ⚙️ Kilo Code
Zasoby
💬 Biblioteka promptów 📖 Słownik AI 🔗 Przydatne linki
expert

Anomalie Detectie Algoritme

#python #machine-learning #statistiek

Selecteer en motiveer een algoritme voor het detecteren van fraude in een zwaar onevenwichtige dataset.

Als Data Scientist moet je een model kiezen voor fraude_detectie op een dataset van 1 miljoen transacties waarbij slechts 0,1% frauduleus is. Vergelijk de voor- en nadelen van Isolation Forest versus Autoencoders in deze context. Schrijf vervolgens Python-code (pseudocode is toegestaan) om de 'class imbalance' aan te pakken voorafgaand aan de training.