Un data scientist ha addestrato un modello XGBoost per segnalare transazioni finanziarie fraudolente. Il set di training è altamente sbilanciato (100.000 non fraudolente contro 1.000 fraudolente). In fase di validazione il modello mostra un'accuratezza del 99,1% ma troppi falsi negativi (transazioni fraudolente predette come non fraudolente). Quali due azioni dovrebbe intraprendere il data scientist per ridurre i falsi negativi?

Il problema principale è l'alto numero di falsi negativi, indicando che il modello non sta identificando sufficientemente le transazioni fraudolente. Aumentare scaleposweight di XGBoost è corretto perché questo parametro bilancia le classi in set di dati sbilanciati. Assegnando un peso maggiore alla classe positiva (frode), il modello sarà penalizzato di più per i falsi negativi, portando a una migliore rilevazione delle frodi. Modificare evalmetric di XGBoost per ottimizzare l'Area Under the ROC Curve (AUC) è corretto perché l'AUC è una metrica robusta per dataset sbilanciati. A differenza dell'accuratezza, che può essere fuorviante in questi scenari, l'AUC valuta la capacità del modello di distinguere tra classi positive e negative su varie soglie di classificazione, riducendo i falsi negativi. Impostare evalmetric per ottimizzare RMSE è sbagliato perché RMSE è una metrica per problemi di regressione, non di classificazione binaria. Aumentare o diminuire maxdepth di XGBoost è sbagliato perché non affronta direttamente lo squilibrio delle classi, ma piuttosto la complessità del modello, che non è la causa principale dei falsi negativi in questo contesto.