專案背景：信貸資料，是否是一筆正常、合理的貸款

方案：本case採用LR來作檢測

1、樣本不均衡解決方案：

主要有過取樣、下采樣

程式碼示例(下采樣)：

number_records_fraud = len(data[data.Class==1]) fraud_indeces = np.array(data[data.Class==1].index)

normal_indices = data[data.Class == 0].index

random_normal_indices = np.random.choice(normal_indices,number_records_fraud,replace=True) random_normal_indices = np.array(random_normal_indices)

under_sample_indices = np.concatenate([fraud_indeces,random_normal_indices])

under_sample_dfata = data.iloc[under_sample_indices,:]

2、交叉驗證和模型評估

train_test_split()，注意設定random_state

3、召回率和閾值：可以通過混淆矩陣來觀察分佈的變化

4、正則化：L1（權重係數的絕對值之和）和L2（權重係數的平方之和），可以遍歷可能的C值來調整懲罰力度

5、過取樣和SMOTE取樣

from imblearn.over_sampling import SMOTE

oversample = SMOTE(random_state=0)

os_features,os_labels =  oversample.fit_sample(feature_train,label_train)

生成後的label為1的與label為0的數量一致

與下采樣相比，過取樣後得出的模型整體精度會高些，召回率會低點。建議採用過取樣，資料越多越準確嘛