Здравствуйте!

Я занимаюсь проектом по предсказанию фрода среди транзакций на основе датасета, взятого с Kaggle. В своем проекте я реализовала стандартные модели машинного обучения - самая производительная XGBoost. Теперь необходимо реализовать нейронную сеть автокодоровщик, поскольку кажется, что при несбалансированности классов он более пригоден для такого типа задач. А так же в реальном мире часто бывает сложно достать метки, была ли транзакциия мошеннической.


Свой проект я прикрепляю в файлах, в нем уже есть вся стандартная преподготовка данных. Необходимо:


-Произвести отбор признаков, например, с помощью forward feature selection
-Реализовать модель автокодировщика с метриками качества ROC AUC (устойчивы к дисбалансу, но могут быть не информативны). Можно считать еще 1-roc auc + матрица ошибок (или f1, precision, recall, что больше нравится)
-Произвести настройку гиперпараметров (learning rate и тд)
-Сравнить полученные результаты с XGboost
-Написать небольшую декументацию по проделанной работе с теоретическим обоснованием (буквально 1-2 страницы)

В идеале необходимо получить более производительную модель автокодировщика :)


Заранее спасибо!