Predicting Credit Card Fraud with R

4.5

22件の評価

提供:
このガイド付きプロジェクトでは、次のことを行います。

Use R to identify fraudulent credit card transactions with a variety of classification methods.

Create, train, and evaluate decision tree, naïve Bayes, and Linear discriminant analysis classification models using R

Generate synthetic samples to improve the performance of your models.

1.5 hours
中級
ダウンロード不要
分割画面ビデオ
英語
デスクトップのみ

Welcome to Predicting Credit Card Fraud with R. In this project-based course, you will learn how to use R to identify fraudulent credit card transactions with a variety of classification methods and use R to generate synthetic samples to address the common problem of classification bias for highly imbalanced datasets—the class of interest (fraud) represents less than 1% of the observations. Class imbalance can make it difficult to detect the effect independent variables have on fraud, ultimately leading to higher misclassification rates. Fixing the imbalance allows the minority class (fraud) to be better learned by the classifier algorithms. After completing the project, you will be able to apply the methods introduced in the project to a wide range of classification problems that typically confront class imbalance, including predicting loan default, customer churn, cancer diagnosis, early high school dropout risk, and malware detection. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

あなたが開発するスキル

  • Data Analysis

  • Machine Learning

  • R Programming

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  1. Task 1: Explore why imbalanced datasets are problematic for classification algorithms.

  2. Task 2: Use R to explore a dataset.

  3. Task 3: Create random testing and training datasets using the caret package in R.

  4. Task 4: Use R to synthetically balance your training dataset using three techniques from the smotefamily package.

  5. Task 5: Train three classification algorithms (decision tree, naïve Bayes, and linear discriminant analysis) using the natively imbalanced dataset, and generate the predictions for the test dataset.

  6. Task 6: Use R to visually compare your models using the recall, precision, and F measure classification accuracy metrics.

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

レビュー

PREDICTING CREDIT CARD FRAUD WITH R からの人気レビュー

すべてのレビューを見る

よくある質問

ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。

ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。

ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。

ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。

ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する

ガイド付きプロジェクトには学費援助が利用できません。

ガイド付きプロジェクトでは監査を使用できません。

ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。

はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。

分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。