Как применять методы машинного обучения / как использовать результаты модели

Question

Я - ученый, плохо знакомый с машинным обучением. Я успешно написал код и следовал учебным пособиям по методам машинного обучения. Моя проблема состоит в том, чтобы понять, как на самом деле применять эти методы для ответа на вопросы реального мира. Я не очень понимаю, как использовать результаты модели, чтобы ответить на вопросы.

Недавно я следовал руководству по созданию алгоритма обнаружения мошенничества с кредитными картами. Все модели работали хорошо, и я понимаю, как их построить; но как в мире взять эту информацию и перевести ее в окончательный ответ? Следуя тому же примеру, скажем, я написал этот код для своей работы, как бы я тогда взял реальные данные кредитной карты и просмотрел их с помощью этого алгоритма? Я действительно хочу установить sh связь между запуском этих моделей и генерацией полезного вывода из реальных данных.

Спасибо всем.

Во имя краткости я выделю некоторые конкретные c примеров с использованием того же набора данных, найденного здесь:

https://drive.google.com/file/d/1CTAlmlREFRaEN3NoHHitewpqAtWS5cVQ/view

# Import
creditcard_data <- read_csv('PATH')

# Restructure
creditcard_data$Amount=scale(creditcard_data$Amount)
NewData=creditcard_data[,-c(1)]
head(NewData)

#Split
library(caTools)
set.seed(123)
data_sample = sample.split(NewData$Class,SplitRatio=0.80)
train_data = subset(NewData,data_sample==TRUE)
test_data = subset(NewData,data_sample==FALSE)

1) Дерево решений

library(rpart)
library(rpart.plot)
decisionTree_model <- rpart(Class ~ . , creditcard_data, method = 'class')
predicted_val <- predict(decisionTree_model, creditcard_data, type = 'class')
probability <- predict(decisionTree_model, creditcard_data, type = 'prob')
rpart.plot(decisionTree_model)

2 ) Искусственная нейронная сеть

library(neuralnet)
ANN_model =neuralnet (Class~.,train_data,linear.output=FALSE)
plot(ANN_model)
predANN=compute(ANN_model,test_data)
resultANN=predANN$net.result
resultANN=ifelse(resultANN>0.5,1,0)

3) Повышение градиента

library(gbm, quietly=TRUE)

# train GBM model
system.time(
  model_gbm <- gbm(Class ~ .
                   , distribution = "bernoulli"
                   , data = rbind(train_data, test_data)
                   , n.trees = 100
                   , interaction.depth = 2
                   , n.minobsinnode = 10
                   , shrinkage = 0.01
                   , bag.fraction = 0.5
                   , train.fraction = nrow(train_data) / (nrow(train_data) + nrow(test_data))
  )
)
# best iteration
gbm.iter = gbm.perf(model_gbm, method = "test")
model.influence = relative.influence(model_gbm, n.trees = gbm.iter, sort. = TRUE)

# plot
plot(model_gbm)

# plot
gbm_test = predict(model_gbm, newdata = test_data, n.trees = gbm.iter)
gbm_auc = roc(test_data$Class, gbm_test, plot = TRUE, col = "red")
print(gbm_auc)

Answer 1

Вы разрабатываете свою модель, предпочтительно, с тремя наборами данных. Обучение, тестирование и валидация. (Иногда используется другая терминология.) Здесь для разработки модели используются наборы Train и Test. Модель, которую вы выбираете, никогда не должна видеть какой-либо набор проверки. Этот набор используется, чтобы увидеть, насколько хороша ваша модель, фактически она будет имитировать реальные данные, которые могут появиться в будущем. Как только вы решите, что ваша модель работает на приемлемом уровне, вы можете go вернуться к выполнению всех ваших данных для получения окончательной операционной модели. Затем любые новые «живые» данные, представляющие интерес, поступают в модель и выдают результат. В случае обнаружения мошенничества это вывело бы некоторую вероятность: здесь вам потребуется человеческий вклад, чтобы решить, на каком уровне вы отметите событие как мошенническое, чтобы оправдать дальнейшее расследование. Периодически c с интервалами или по мере поступления ваших данных или снижения производительности вашей модели (мошенники могут стать более хитрыми!), Вы повторяете весь процесс.