假阴性率非常低（12.24%），这意味着该模 使用评估分类模型的 型检测到了近 90% 的欺诈交易。但是，有很多“误报”（391 笔合法交易被预测为欺诈），这会增加管理成本。但是，通过在平衡数据集上训练模型可以实现 64% 的成本降低——高于我们在不重新采样训练数据的情况下可以达到的成本降低。两种场景都使用了相同的测试集。
估算场景 3 的成本
（重采样和修正预测类别概率）
在平衡训练集（使用 SMOTE 进行过采样）上训练的逻 WhatsApp 号码数据 辑回归模型，当根据数据的先验类分布对预测概率进行校正时，会产生以下结果：
表 欺诈检测模型获得的混淆矩阵、类别统计数 聘请虚拟房地产助理的最佳做法是什么 据和估计成本，该模型是在过采样、平衡数据上训练的，其中预测的类别概率根据先验类别分布进行了校正。 本”部分中的公式来评估成本。
如表 中此场景的结果所示
校正预测的类别概率可得到这三种场景中在成本 模 澳大利亚电话号码 型应 降低方面表现最佳的模型。
在这种情况下，我们在过采样数据上训练分类模型，并根据数据中的先验类分布来修正预测的类概率，与不使用任何模型相比，成本降低了 75%。