Un scientifique des données a entraîné un modèle XGBoost pour signaler les transactions financières frauduleuses. L'ensemble d'entraînement est très déséquilibré (100 000 non frauduleuses contre 1 000 frauduleuses). Lors de la validation, le modèle affiche une précision de 99,1 % mais trop de faux négatifs (transactions frauduleuses prédites comme non frauduleuses). Quelles sont les deux actions que le scientifique des données devrait entreprendre pour réduire les faux négatifs ?

Pour réduire les faux négatifs dans un ensemble de données déséquilibré, il faut donner plus d'importance à la classe minoritaire (fraude). Augmenter scaleposweight dans XGBoost attribue un poids plus élevé aux exemples positifs (fraude), ce qui rend le modèle plus sensible à leur détection et réduit les faux négatifs. Optimiser l'AUC (evalmetric) est également efficace car l'AUC évalue la capacité du modèle à distinguer les classes, même avec un déséquilibre, et est moins sensible aux seuils de classification que la précision, qui peut être trompeuse avec des données déséquilibrées. L'optimisation du RMSE est inappropriée pour la classification binaire. Modifier maxdepth sans analyse plus approfondie du sur-apprentissage ou sous-apprentissage n'est pas la solution directe au problème des faux négatifs.