使用$金额作为损失来衡量分类性能

Question

我正在研究一个欺诈检测系统，我想优化这个系统，以考虑到审查部门的成本(以美元计)：

我想根据最终成本调整损失：

• 如果交易是欺诈性的，但金额很小，则花费更多时间进行审查可能会更昂贵。
• 被审查的非欺诈性交易仍有成本。
• 有些交易是非常昂贵的，而且必须被捕获。

衡量标准应是以下各项的总和：

• TP ->无成本
• FP -->审查费用
• 审查费用+我们从欺诈中得到的金额(如果不是总数)
• FN ->欺诈交易总额

衡量标准应该是这样的：

def fraudmetric(ytrue, ypred, fraudulentamt, reviewcost):
  cost = [0 if yt==0 and yp==0 else          ## TN
          reviewcost if yt==1 and yp==1 else ## TP
          reviewcost if yt==0 and yp==1 else ## FP
          fa if yt==1 and yp==0 else 0       ## FN
          for yt, yp, fa in zip(ytrue, ypred, fraudulentamt, reviewcost)]
  return np.sum(cost)

是否有一种优雅的方法可以用Python来实现呢？

谢谢

Answer 1

您可以很容易地实现这样的二进制表，使用..。一张桌子。看起来是这样的：

metric_table = [[0, reviewcost],
                [fa, reviewcost]]
metric_value = metric_table[yt][yp]  # for a given yt, yp

我在这里冒昧地修复了您的代码中似乎是一个bug，因为您压缩了四个可迭代程序，并且只得到了三个值。我假设您需要的是reviewcost中的元素，而不是整个元素。如果那不对就把它修好。另外，我不认为需要创建一个临时数组，只需对其进行汇总，所以我将其折叠为生成器的总和：

def fraudmetric(ytrue, ypred, fraudulentamt, reviewcost):
    return sum([[ 0, rc],
                [fa, rc]][yt][yp]
               for yt, yp, fa, rc in zip(ytrue, ypred, fraudulentamt, reviewcost))