在非常不平衡的数据中功能的重要性

Question

我遇到了欺诈检测挑战。数据集极不平衡，例如100000个负示例，而只有1000个正示例。 可能的预测变量的数量为25。有连续的和离散的，类别从2 2 10变化。 问题的主要重点是对最重要的变量进行排名，这将有助于识别欺诈，并且不会直接构建最佳模型，而在此情况下，当然不能根据准确性来判断最佳模型。  我使用的是R，由于它更喜欢具有更多类别的连续变量和离散变量，因此我可能会跳过随机森林。 我正在考虑使用ctree（R）–条件推理树。有许多论文建议使用选择频率和置换重要性，将单个树构建在原始样本大小为n的引导样本上，而无需替换。

我的问题：

1。有没有人尝试过，如果是这样，体验是什么？

2。 LASSO或RIDGE回归在这种情况下是否有用？

3。我不确定欠采样/上采样/合成样本等会带来什么影响，因为使用它们，我不知道如何量化其对功能重要性的影响。

4。因功能重要性而受到惩罚的模型？如何，对此有什么经验？

5。一个普遍的问题：无论采用哪种方法，我都需要将数据分为训练/测试，这对于积极的学生来说非常有趣，即使使用交叉验证也是如此。假设我在火车数据上获得了相同的排名变量，我会怀疑在如此微小的测试数据上结果的结果。我是错了还是想念这里的东西？

6。还有其他想法，经验要分享吗？

谢谢！