Een data scientist heeft een XGBoost-model getraind om frauduleuze financiële transacties te markeren. De trainingsset is zeer onevenwichtig (100.000 niet-frauduleuze versus 1.000 frauduleuze). Bij validatie toont het model een nauwkeurigheid van 99,1%, maar te veel false negatives (frauduleuze transacties voorspeld als niet-frauduleus). Welke twee acties moet de data scientist ondernemen om false negatives te verminderen?

De dataset is sterk onevenwichtig, wat betekent dat nauwkeurigheid (accuracy) een misleidende meting is. Een model dat altijd "niet-frauduleus" voorspelt, zou al 99% nauwkeurig zijn, maar zou alle frauduleuze transacties missen (veel false negatives). Het verhogen van scaleposweight in XGBoost is cruciaal. Dit parameter geeft meer gewicht aan de zeldzame positieve klasse (fraude), waardoor het model gevoeliger wordt voor het correct classificeren van frauduleuze transacties en zo false negatives vermindert. Het optimaliseren van evalmetric voor AUC (Area Under the ROC Curve) is ook effectief. AUC is robuuster voor onevenwichtige datasets dan nauwkeurigheid en richt zich op het onderscheidend vermogen van het model tussen klassen, wat helpt bij het verminderen van false negatives. RMSE is voor regressieproblemen, niet voor classificatie. Het aanpassen van maxdepth zonder verdere analyse van bias/variantie is speculatief en niet direct gericht op het onevenwichtige probleem.