我一直致力于决策树学习算法来检测欺诈性银行交易。 到目前为止，我已经根据我的数据集为决策树生成了规则集。 我还为每个规则生成了显着性值：来自我的数据集的事务数满足特定规则，规则捕获的欺诈百分比等。 现在，根据规则的重要性，我需要选择十大规则。
我的问题是，当我选择前十条规则时，某些规则是否有可能相关？
例如： 我正在处理的数据集有10000个事务。 决策树算法给出了20条规则。 在20条规则中，我需要选择前十条规则。 现在，假设rule1标识了50个事务，而rule2标识了60个事务。 rule1确定的某些规则也被rule2识别的可能性是多少？
注意：前十大交易是捕捉大部分欺诈行为的交易。
答案 0 :(得分：0)
你无法通过这种方式获得概率。相关性是数据集的特征属性，您可以根据每种情况进行计算。你可以从给定的信息中代数推导出 not 。你的例子的答案可能在整个理论范围内变化：0到50。
在此应用程序中，您必须单独计算哪些事务满足哪些规则（10000 * 20列表），并根据这些实际统计信息计算相关性。
确定交互和个人有效性的一个领域是“交叉验证”。例如，您将从集合中删除一个规则，在事务上重新运行模型，并查看验证度量标准的更改（准确性，召回等）。这通常是主成分分析的第一步。
我注意到你没有定义“十大规则”。这些是单独采用最多交易的十条规则吗？个人缺席错过最多交易的人？也许您需要一套十条规则，这些规则总体上具有最高的准确度？这是三个截然不同的问题，取决于您询问的相关性。