Nacre Payments te pide preparar una política de revisión de fraude con variables ficticias de transacciones. En este ejercicio, los falsos positivos cuestan 1 unidad de revisión y los fraudes no detectados, 8 unidades. Ajusta con las filas de entrenamiento, elige un umbral con las filas de validación y entrega pruebas de ordenación, detección y carga de la cola con datos reservados. El cuaderno terminado es la entrega; los costes son supuestos de la tarea, no precios de mercado.
Una clase positiva poco frecuente puede quedar escondida detrás de una exactitud alta. Los pesos de clase cambian cuánto contribuyen los errores de entrenamiento a la pérdida; un umbral de decisión cambia qué probabilidades ajustadas entran en la cola de revisión. Son decisiones distintas. Ajustarás un pipeline con pesos, aplicarás un umbral de validación y calcularás la sensibilidad con la clase positiva como evento. Una cola vacía necesita una convención de precisión declarada porque no hay ningún positivo predicho entre el que dividir. Mantén el conjunto de prueba fuera de la elección del umbral. En una revisión real de fraude importan tanto la detección como la carga de trabajo, así que una puntuación del modelo no puede elegir por sí sola la política de funcionamiento.
Los pesos equilibrados aumentan la contribución de la clase menos frecuente al entrenamiento sin duplicar observaciones de prueba.