🏠 Hem
Benchmarkar
📊 Alla benchmarkar 🦖 Dinosaur v1 🦖 Dinosaur v2 ✅ To-Do List-applikationer 🎨 Kreativa fria sidor 🎯 FSACB - Ultimata uppvisningen 🌍 Översättningsbenchmark
Modeller
🏆 Topp 10 modeller 🆓 Gratis modeller 📋 Alla modeller ⚙️ Kilo Code
Resurser
💬 Promptbibliotek 📖 AI-ordlista 🔗 Användbara länkar
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.