教學課程：建立、評估詐騙偵測模型及評分

發行項
10/15/2024

本教學課程提供 Microsoft Fabric 中 Synapse 資料科學工作流程的端對端範例。此案例會使用在歷程記錄資料中定型的機器學習演算法來建置詐騙偵測模型。隨後會使用模型，來偵測未來的詐騙交易。

本教學課程涵蓋了下列步驟：

安裝自訂程式庫
載入資料
使用探索式資料分析來了解和處理資料
使用 scikit-learn 來定型機器學習模型，並使用 MLflow 和 Fabric 自動記錄功能來追蹤實驗
儲存並註冊具有最高效能的機器學習模型
載入機器學習模型以進行評分和預測

必要條件

取得 Microsoft Fabric 訂用帳戶。或註冊免費的 Microsoft Fabric 試用版。
登入 Microsoft Fabric。
使用首頁左側的體驗切換器，切換至 Synapse 資料科學體驗。

如有必要，請建立 Microsoft Fabric lakehouse，如在 Microsoft Fabric 中建立 lakehouse 中所述。

遵循筆記本中的指示

您可以選擇下列選項之一，以遵循筆記本中的指示操作：

在資料科學體驗中開啟並執行內建筆記本
將筆記本從 GitHub 上傳至資料科學體驗

開啟內建筆記本

此教學課程隨附詐騙偵測筆記本範例。

在 Synapse 資料科學體驗中開啟教學課程的內建範例筆記本：

移至 Synapse 資料科學首頁。
選取 [使用範例]。
選取對應的範例︰
- 如果範例適用於 Python 教學課程，則從預設的端對端工作流程 (Python) 索引標籤選取。
- 如果範例適用於 R 教學課程，則從端對端工作流程索引標籤選取。
- 如果範例適用於快速教學課程，則從快速教學課程索引標籤選取。
開始執行程式碼之前，請先將 Lakehouse 附加至筆記本。

從 GitHub 匯入筆記本

本教學課程隨附 AIsample - Fraud Detection.ipynb 筆記本。

若要開啟本教學課程隨附的筆記本，請遵循為資料科學教學課程準備系統中的指示，將筆記本匯入您的工作區。

如果您想要複製並貼上此頁面中的程式碼，則可以建立新的筆記本。

開始執行程式碼之前，請務必將 Lakehouse 連結至筆記本。

步驟 1：安裝自訂程式庫

針對機器學習模型開發或臨機操作資料分析，您可能需要快速安裝 Apache Spark 工作階段的自訂程式庫。安裝程式庫有兩個選項。

使用筆記本的內嵌安裝功能 (%pip 或 %conda)，僅在您目前的筆記本中安裝程式庫。
或者，您可以建立 Fabric 環境，從公用來源安裝程式庫，或將自訂程式庫上傳至該環境，然後您的工作區管理員可將環境連結為工作區的預設值。環境中的所有程式庫隨後可供在工作區中的任何筆記本和 Spark 工作定義使用。如需有關環境的詳細資訊，請參閱在 Microsoft Fabric 中建立、設定和使用環境。

在本教學課程中，使用 %pip install 在您的筆記本中安裝 imblearn 程式庫。

注意

執行 %pip install 之後，PySpark 核心會重新啟動。在執行任何其他資料格之前，請先安裝所需的程式庫。

# Use pip to install imblearn
%pip install imblearn

步驟 2：載入資料

詐騙偵測資料集包含從 2013 年 9 月起的信用卡交易，即歐洲持卡人在兩天內進行的信用卡交易。由於套用至原始特徵的主體元件分析 (PCA) 轉換，資料集只包含數值特徵。 PCA 已轉換 Time 和 Amount 以外的所有特徵。為了保護機密性，我們無法提供資料集的原始特徵或更多背景資訊。

以下是描述資料集的詳細資料：

V1、V2、V3、...、V28 特徵是使用 PCA 取得的主要元件
Time 特徵包含交易與資料集中第一筆交易之間經過的秒數
Amount 特徵為交易金額。您可將這項功能用於範例相依、成本敏感的學習
Class 資料欄為回應 (目標) 變數。其具有詐騙的值 1，否則為 0

在總計 284,807 筆交易中，只有 492 筆交易具有詐騙性。資料集高度不平衡，因為少數 (詐騙) 類別只占資料的 0.172%。

下表顯示 creditcard.csv 資料的預覽：

Time	V1	V2	V3	V4	V5	V6	V7	V8	V9	V10	V11	V12	V13	V14	V15	V16	V17	V18	V19	V20	V21	V22	V23	V24	V25	V26	V27	V28	總數	類別
0	-1.3598071336738	-0.0727811733098497	2.53634673796914	1.37815522427443	-0.338320769942518	0.462387777762292	0.239598554061257	0.0986979012610507	0.363786969611213	0.0907941719789316	-0.551599533260813	-0.617800855762348	-0.991389847235408	-0.311169353699879	1.46817697209427	-0.470400525259478	0.207971241929242	0.0257905801985591	0.403992960255733	0.251412098239705	-0.018306777944153	0.277837575558899	-0.110473910188767	0.0669280749146731	0.128539358273528	-0.189114843888824	0.133558376740387	-0.0210530534538215	149.62	"0"
0	1.19185711131486	0.26615071205963	0.16648011335321	0.448154078460911	0.0600176492822243	-0.0823608088155687	-0.0788029833323113	0.0851016549148104	-0.255425128109186	-0.166974414004614	1.61272666105479	1.06523531137287	0.48909501589608	-0.143772296441519	0.635558093258208	0.463917041022171	-0.114804663102346	-0.183361270123994	-0.145783041325259	-0.0690831352230203	-0.225775248033138	-0.638671952771851	0.101288021253234	-0.339846475529127	0.167170404418143	0.125894532368176	-0.00898309914322813	0.0147241691924927	2.69	"0"

下載資料集並上傳至 Lakehouse

定義這些參數，以便您搭配不同的資料集使用此筆記本：

IS_CUSTOM_DATA = False  # If True, the dataset has to be uploaded manually

TARGET_COL = "Class"  # Target column name
IS_SAMPLE = False  # If True, use only <SAMPLE_ROWS> rows of data for training; otherwise, use all data
SAMPLE_ROWS = 5000  # If IS_SAMPLE is True, use only this number of rows for training

DATA_FOLDER = "Files/fraud-detection/"  # Folder with data files
DATA_FILE = "creditcard.csv"  # Data file name

EXPERIMENT_NAME = "aisample-fraud"  # MLflow experiment name

此程式碼會下載公開可用的資料集版本，然後將其儲存在 Fabric Lakehouse 中。

重要

在執行筆記本之前，請確定已將 Lakehouse 新增至筆記本。否則，您會收到錯誤。

if not IS_CUSTOM_DATA:
    # Download data files into the lakehouse if they're not already there
    import os, requests

    remote_url = "https://synapseaisolutionsa.blob.core.windows.net/public/Credit_Card_Fraud_Detection"
    fname = "creditcard.csv"
    download_path = f"/lakehouse/default/{DATA_FOLDER}/raw"

    if not os.path.exists("/lakehouse/default"):
        raise FileNotFoundError("Default lakehouse not found, please add a lakehouse and restart the session.")
    os.makedirs(download_path, exist_ok=True)
    if not os.path.exists(f"{download_path}/{fname}"):
        r = requests.get(f"{remote_url}/{fname}", timeout=30)
        with open(f"{download_path}/{fname}", "wb") as f:
            f.write(r.content)
    print("Downloaded demo data files into lakehouse.")

設定 MLflow 實驗追蹤

實驗追蹤程序會為您執行的每個實驗儲存所有相關實驗的相關資訊。有時候，在執行特定實驗時，您無法取得更好的結果。在這種情況下，您應該停止實驗並嘗試新的實驗。

Microsoft Fabric 中的 Synapse 資料科學體驗包含自動記錄功能。此功能可減少在定型期間自動記錄機器學習模型參數、計量和項目所需的程式碼數量。此功能可擴充 MLflow 自動記錄功能。該功能與資料科學體驗深度整合。

透過自動記錄，您可以輕鬆地追蹤和比較不同模型和實驗的效能，而無需手動追蹤。如需詳細資訊，請參閱 Microsoft Fabric 中的自動記錄。

若要停用筆記本工作階段的 Microsoft Fabric 自動記錄，請呼叫 mlflow.autolog() 並設定 disable=True：

# Set up MLflow for experiment tracking
import mlflow

mlflow.set_experiment(EXPERIMENT_NAME)
mlflow.autolog(disable=True)  # Disable MLflow autologging

從 Lakehouse 讀取未經處理資料

此程式碼會從 Lakehouse 讀取未經處理資料：

df = (
    spark.read.format("csv")
    .option("header", "true")
    .option("inferSchema", True)
    .load(f"{DATA_FOLDER}/raw/{DATA_FILE}")
    .cache()
)

步驟 3：執行探索式資料分析

在本節中，您會先探索未經處理資料和高階統計資料。然後，若要轉換資料，請將資料行轉換成正確的類型，並將其從 Spark DataFrame 轉換成 pandas DataFrame，以方便視覺化。最後，您會探索並視覺化資料中的類別分佈。

顯示未經處理資料

使用 display 命令探索未經處理資料，並檢視高階統計資料。如需資料視覺效果的詳細資訊，請參閱 Microsoft Fabric 中的筆記本視覺效果。
```
display(df)
```

列印資料集的一些基本資訊：

# Print dataset basic information
print("records read: " + str(df.count()))
print("Schema: ")
df.printSchema()

轉換資料

將資料集資料列轉換成正確的類型：

import pyspark.sql.functions as F

df_columns = df.columns
df_columns.remove(TARGET_COL)

# Ensure that TARGET_COL is the last column
df = df.select(df_columns + [TARGET_COL]).withColumn(TARGET_COL, F.col(TARGET_COL).cast("int"))

if IS_SAMPLE:
    df = df.limit(SAMPLE_ROWS)

將 Spark DataFrame 轉換成 pandas DataFrame，以方便視覺化和處理：
```
df_pd = df.toPandas()
```

探索資料集中的類別分佈

在資料集中顯示類別分佈：
```
# The distribution of classes in the dataset
print('No Frauds', round(df_pd['Class'].value_counts()[0]/len(df_pd) * 100,2), '% of the dataset')
print('Frauds', round(df_pd['Class'].value_counts()[1]/len(df_pd) * 100,2), '% of the dataset')
```
此程式碼會傳回此資料集類別分佈：99.83% No Frauds 和 0.17% Frauds。此類別分佈顯示大部分交易都是非詐騙性的。因此，在模型訓練之前需要資料前置處理，以避免過度學習。

藉由檢視詐騙交易與非詐騙交易的分佈，使用繪圖來顯示資料集中的類別不平衡：

import seaborn as sns
import matplotlib.pyplot as plt

colors = ["#0101DF", "#DF0101"]
sns.countplot(x='Class', data=df_pd, palette=colors) 
plt.title('Class Distributions \n (0: No Fraud || 1: Fraud)', fontsize=10)

以盒狀圖顯示交易金額的五個數字摘要 (最小值、第一分位數、中位數、第三分位數和最大分數)：

fig, (ax1, ax2) = plt.subplots(ncols=2, figsize=(12,5))
s = sns.boxplot(ax = ax1, x="Class", y="Amount", hue="Class",data=df_pd, palette="PRGn", showfliers=True) # Remove outliers from the plot
s = sns.boxplot(ax = ax2, x="Class", y="Amount", hue="Class",data=df_pd, palette="PRGn", showfliers=False) # Keep outliers from the plot
plt.show()

針對高度不平衡的資料，盒狀圖可能不會顯示準確的深入解析。不過，您可以先解決 Class 不平衡問題，然後建立相同的繪圖，以取得更準確的深入解析。

步驟 4︰訓練及評估模型

您會在此訓練 LightGBM 模型以對詐騙交易進行分類。您可同時在不平衡的資料集與平衡的資料集上訓練 LightGBM 模型。然後，比較這兩個模型的效能。

準備定型與測試的資料集

在定型之前，將資料分割為定型和測試資料集：

# Split the dataset into training and testing sets
from sklearn.model_selection import train_test_split

train, test = train_test_split(df_pd, test_size=0.15)
feature_cols = [c for c in df_pd.columns.tolist() if c not in [TARGET_COL]]

將 SMOTE 套用至訓練資料集

該 imblearn 程式庫使用綜合少數超取樣技術 (SMOTE) 方法來解決不平衡分類的問題。當少數類別的範例太少時，就會發生不平衡分類，讓模型有效地了解決策邊界。 SMOTE 是合成少數類別新樣本最廣泛使用的方法。

僅將 SMOTE 套用至訓練資料集，而不是測試資料集。當您使用測試資料為模型評分時，需要生產環境中未顯示資料上的近似模型效能。針對有效的近似值，您的測試資料倚賴原始不平衡分佈，以儘可能接近地呈現生產資料。

# Apply SMOTE to the training data
import pandas as pd
from collections import Counter
from imblearn.over_sampling import SMOTE

X = train[feature_cols]
y = train[TARGET_COL]
print("Original dataset shape %s" % Counter(y))

sm = SMOTE(random_state=42)
X_res, y_res = sm.fit_resample(X, y)
print("Resampled dataset shape %s" % Counter(y_res))

new_train = pd.concat([X_res, y_res], axis=1)

如需 SMOTE 的詳細資訊，請參閱 SMOTE 方法的 scikit-learn 參考頁面，以及有關過度取樣的 scikit-learn 使用者指南資源。

定型機器學習模型並執行實驗

在 Microsoft Fabric 中，Apache Spark 可透過巨量資料進行機器學習。透過 Apache Spark，您可以從大量結構化、非結構化和快速行動的資料中取得寶貴的見解。

您可以使用多種選項在 Microsoft Fabric 中使用 Apache Spark 來定型機器學習模型：Apache Spark MLlib、SynapseML 和其他開放原始碼程式庫。如需詳細資訊，請參閱在 Microsoft Fabric 中定型機器學習模型。

機器學習實驗可以作為組織和控制的主要單位，用於所有相關的機器學習執行。執行會對應至模型程式碼的單一執行。機器學習實驗追蹤牽涉所有實驗及其元件的管理，例如參數、計量、模型和其他成品。

針對實驗追蹤，您可組織特定機器學習實驗的所有必要元件。此外，您可以使用已儲存的實驗輕鬆重現過去的結果。如需關於機器學習實驗的詳細資訊，請參閱 Microsoft Fabric 中的機器學習實驗。

若要追蹤更多計量、參數和檔案，請將 exclusive=False 設定為更新 MLflow 自動記錄組態：
```
mlflow.autolog(exclusive=False)
```

使用定型 LightGBM 兩個模型。一個模型會處理不平衡的資料集，另一個模型會處理平衡資料集 (透過 SMOTE)。比較這兩個模型的效能。

import lightgbm as lgb

model = lgb.LGBMClassifier(objective="binary") # Imbalanced dataset
smote_model = lgb.LGBMClassifier(objective="binary") # Balanced dataset

# Train LightGBM for both imbalanced and balanced datasets and define the evaluation metrics
print("Start training with imbalanced data:\n")
with mlflow.start_run(run_name="raw_data") as raw_run:
    model = model.fit(
        train[feature_cols],
        train[TARGET_COL],
        eval_set=[(test[feature_cols], test[TARGET_COL])],
        eval_metric="auc",
        callbacks=[
            lgb.log_evaluation(10),
        ],
    )

print(f"\n\nStart training with balanced data:\n")
with mlflow.start_run(run_name="smote_data") as smote_run:
    smote_model = smote_model.fit(
        new_train[feature_cols],
        new_train[TARGET_COL],
        eval_set=[(test[feature_cols], test[TARGET_COL])],
        eval_metric="auc",
        callbacks=[
            lgb.log_evaluation(10),
        ],
    )

判定定型的特徵重要度

針對您在不平衡資料集上訓練的模型，判斷特徵重要度：

with mlflow.start_run(run_id=raw_run.info.run_id):
    importance = lgb.plot_importance(
        model, title="Feature importance for imbalanced data"
    )
    importance.figure.savefig("feauture_importance.png")
    mlflow.log_figure(importance.figure, "feature_importance.png")

針對您在不平衡資料集上定型的模型，判斷特徵重要度。 SMOTE 產生平衡的資料：

with mlflow.start_run(run_id=smote_run.info.run_id):
    smote_importance = lgb.plot_importance(
        smote_model, title="Feature importance for balanced (via SMOTE) data"
    )
    smote_importance.figure.savefig("feauture_importance_smote.png")
    mlflow.log_figure(smote_importance.figure, "feauture_importance_smote.png")

若要使用不平衡資料集來定型模型，相較於以平衡資料集定型的模型，重要特徵會有顯著的差異。

評估模型

您會在此評估兩個訓練模型：

根據原始、不平衡資料對 model 訓練
在平衡資料上對 smote_model 訓練

計算模型計量

定義執行預測的 prediction_to_spark 函式，並將預測結果轉換成 Spark DataFrame。接著，您可以使用 SynapseML 計算預測結果的模型統計資料。

from pyspark.sql.functions import col
from pyspark.sql.types import IntegerType, DoubleType

def prediction_to_spark(model, test):
    predictions = model.predict(test[feature_cols], num_iteration=model.best_iteration_)
    predictions = tuple(zip(test[TARGET_COL].tolist(), predictions.tolist()))
    dataColumns = [TARGET_COL, "prediction"]
    predictions = (
        spark.createDataFrame(data=predictions, schema=dataColumns)
        .withColumn(TARGET_COL, col(TARGET_COL).cast(IntegerType()))
        .withColumn("prediction", col("prediction").cast(DoubleType()))
    )

    return predictions

使用 prediction_to_spark 函式搭配兩個模型執行預測：model 和 smote_model：

predictions = prediction_to_spark(model, test)
smote_predictions = prediction_to_spark(smote_model, test)
predictions.limit(10).toPandas()

計算兩個模型的計量：

from synapse.ml.train import ComputeModelStatistics

metrics = ComputeModelStatistics(
    evaluationMetric="classification", labelCol=TARGET_COL, scoredLabelsCol="prediction"
).transform(predictions)

smote_metrics = ComputeModelStatistics(
    evaluationMetric="classification", labelCol=TARGET_COL, scoredLabelsCol="prediction"
).transform(smote_predictions)
display(metrics)

使用混淆矩陣評估模型效能

混淆矩陣會顯示數目

確判為真 (TP)
確判為否 (TN)
誤判為真 (FP)
誤判為否 (FN)

使用測試資料進行評分時，會產生該模型。針對二元分類，模型會傳回 2x2 混淆矩陣。針對多類別分類，模型會傳回 nxn 混淆矩陣，其中 n 為類別數目。

使用混淆矩陣來總結測試資料上定型機器學習模型的效能：

# Collect confusion matrix values
cm = metrics.select("confusion_matrix").collect()[0][0].toArray()
smote_cm = smote_metrics.select("confusion_matrix").collect()[0][0].toArray()
print(cm)

繪製 smote_model 預測的混淆矩陣 (以平衡資料定型)：

# Plot the confusion matrix
import seaborn as sns

def plot(cm):
    """
    Plot the confusion matrix.
    """
    sns.set(rc={"figure.figsize": (5, 3.5)})
    ax = sns.heatmap(cm, annot=True, fmt=".20g")
    ax.set_title("Confusion Matrix")
    ax.set_xlabel("Predicted label")
    ax.set_ylabel("True label")
    return ax

with mlflow.start_run(run_id=smote_run.info.run_id):
    ax = plot(smote_cm)
    mlflow.log_figure(ax.figure, "ConfusionMatrix.png")

繪製 model 預測的混淆矩陣 (以原始、不平衡資料定型)：

with mlflow.start_run(run_id=raw_run.info.run_id):
    ax = plot(cm)
    mlflow.log_figure(ax.figure, "ConfusionMatrix.png")

使用 AUC-ROC 和 AUPRC 量值來評估模型效能

Curve Receiver Operating Characteristic (AUC-ROC) 量值會評估二元分類器的效能。 AUC-ROC 圖表會視覺化確判率 (TPR) 與誤判率 (FPR) 之間的取捨。

在某些情況下，根據 Area Under the Precision-Recall Curve (AUPRC) 量值來評估分類器比較合適。 AUPRC 曲線會結合這些比率：

精確度或預測確判率值 (PPV)
重新叫用或誤判率 (TPR)

要使用 AUC-ROC 和 AUPRC 量值來評估效能：

定義傳回 AUC-ROC 和 AUPRC 量值的函式：

from pyspark.ml.evaluation import BinaryClassificationEvaluator

def evaluate(predictions):
    """
    Evaluate the model by computing AUROC and AUPRC with the predictions.
    """

    # Initialize the binary evaluator
    evaluator = BinaryClassificationEvaluator(rawPredictionCol="prediction", labelCol=TARGET_COL)

    _evaluator = lambda metric: evaluator.setMetricName(metric).evaluate(predictions)

    # Calculate AUROC, baseline 0.5
    auroc = _evaluator("areaUnderROC")
    print(f"The AUROC is: {auroc:.4f}")

    # Calculate AUPRC, baseline positive rate (0.172% in the data)
    auprc = _evaluator("areaUnderPR")
    print(f"The AUPRC is: {auprc:.4f}")

    return auroc, auprc

記錄您在不平衡資料上定型的模型的 AUC-ROC 和 AUPRC 計量：

with mlflow.start_run(run_id=raw_run.info.run_id):
    auroc, auprc = evaluate(predictions)
    mlflow.log_metrics({"AUPRC": auprc, "AUROC": auroc})
    mlflow.log_params({"Data_Enhancement": "None", "DATA_FILE": DATA_FILE})

記錄您在平衡資料上定型的模型的 AUC-ROC 和 AUPRC 計量：

with mlflow.start_run(run_id=smote_run.info.run_id):
    auroc, auprc = evaluate(smote_predictions)
    mlflow.log_metrics({"AUPRC": auprc, "AUROC": auroc})
    mlflow.log_params({"Data_Enhancement": "SMOTE", "DATA_FILE": DATA_FILE})

相比在不平衡資料上定型的模型，在平衡資料上定型的模型會傳回較高的 AUC-ROC 和 AUPRC 值。根據這些量值，SMOTE 似乎是一種在處理高度不平衡的資料時行之有效的技術，可增強模型效能。

如下圖所示，任何實驗均會以其各自的名稱進行記錄。您可在工作區中追蹤實驗參數和效能計量。

下圖顯示在平衡資料集上定型之模型的效能計量 (在版本 2 中)：

您可以選取版本 1 來查看在不平衡資料集上定型之模型的計量。當您比較計量時，AUROC 在使用平衡資料集定型的模型上會更高。這些結果表示此模型較適合正確將 0 類別預測為 0，將類別 1 預測為 1。

步驟 5：註冊模型

使用 MLflow 註冊兩個模型：

# Register the model
registered_model_name = f"{EXPERIMENT_NAME}-lightgbm"

raw_model_uri = "runs:/{}/model".format(raw_run.info.run_id)
mlflow.register_model(raw_model_uri, registered_model_name)

smote_model_uri = "runs:/{}/model".format(smote_run.info.run_id)
mlflow.register_model(smote_model_uri, registered_model_name)

步驟 6：儲存預測結果

Microsoft Fabric 可讓使用者使用 PREDICT 可調整函數，來操作機器學習模型。此函數支援在任何計算引擎進行批次評分 (或批次推斷)。

您可以直接從 Microsoft Fabric 筆記本或模型項目頁面產生批次預測。如需 PREDICT 的詳細資訊，請參閱在 Microsoft Fabric 中使用 PREDICT 進行模型評分。

載入效能較佳的模型 (版本 2) 以進行批次評分，並產生預測結果：

from synapse.ml.predict import MLFlowTransformer

spark.conf.set("spark.synapse.ml.predict.enabled", "true")

model = MLFlowTransformer(
    inputCols=feature_cols,
    outputCol="prediction",
    modelName=f"{EXPERIMENT_NAME}-lightgbm",
    modelVersion=2,
)

test_spark = spark.createDataFrame(data=test, schema=test.columns.to_list())

batch_predictions = model.transform(test_spark)

將預測儲存到 Lakehouse：

# Save the predictions to the lakehouse
batch_predictions.write.format("delta").mode("overwrite").save(f"{DATA_FOLDER}/predictions/batch_predictions")

共用方式為

教學課程：建立、評估詐騙偵測模型及評分

必要條件

遵循筆記本中的指示

開啟內建筆記本

從 GitHub 匯入筆記本

步驟 1：安裝自訂程式庫

步驟 2：載入資料

下載資料集並上傳至 Lakehouse

設定 MLflow 實驗追蹤

從 Lakehouse 讀取未經處理資料

步驟 3：執行探索式資料分析

顯示未經處理資料

轉換資料

探索資料集中的類別分佈

步驟 4︰訓練及評估模型

準備定型與測試的資料集

將 SMOTE 套用至訓練資料集

定型機器學習模型並執行實驗

判定定型的特徵重要度

評估模型

計算模型計量

使用混淆矩陣評估模型效能

使用 AUC-ROC 和 AUPRC 量值來評估模型效能

步驟 5：註冊模型

步驟 6：儲存預測結果

意見反應

其他資源

共用方式為

教學課程：建立、評估詐騙偵測模型及評分

必要條件

遵循筆記本中的指示

開啟內建筆記本

從 GitHub 匯入筆記本

步驟 1：安裝自訂程式庫

步驟 2：載入資料

下載資料集並上傳至 Lakehouse

設定 MLflow 實驗追蹤

從 Lakehouse 讀取未經處理資料

步驟 3：執行探索式資料分析

顯示未經處理資料

轉換資料

探索資料集中的類別分佈

步驟 4︰訓練及評估模型

準備定型與測試的資料集

將 SMOTE 套用至訓練資料集

定型機器學習模型並執行實驗

判定定型的特徵重要度

評估模型

計算模型計量

使用混淆矩陣評估模型效能

使用 AUC-ROC 和 AUPRC 量值來評估模型效能

步驟 5：註冊模型

步驟 6：儲存預測結果

相關內容

意見反應

其他資源