Uma empresa de cartão de crédito precisa detectar transações fraudulentas em tempo real. Um conjunto de dados histórico rotulado (fraude vs. legítimo) é armazenado no Amazon S3. Após remover valores ausentes, um cientista de dados treina um classificador XGBoost no Amazon SageMaker. As métricas do modelo são: TPR 0.700, FNR 0.300, TNR 0.977, FPR 0.023 e acurácia geral 0.949. Qual ação o cientista de dados deve tomar para melhorar o desempenho do modelo, dada a aparente desbalanceamento de classes?

A classe minoritária (fraude) é a que o modelo tem mais dificuldade em identificar, como indicado pelo FNR de 0.300 (30% das fraudes não são detectadas). O SMOTE é uma técnica eficaz para lidar com o desbalanceamento de classes, criando amostras sintéticas da classe minoritária, o que ajuda o modelo a aprender melhor os padrões dessa classe. Aplicar SMOTE à classe majoritária não resolveria o problema de detecção da fraude. Subamostrar a classe minoritária reduziria ainda mais os dados de fraude disponíveis, piorando o desempenho. Sobreamostrar a classe majoritária aumentaria ainda mais o desbalanceamento, tornando a detecção de fraude mais difícil.