11 - Ejemplo práctico: detección de anomalías usando la distribución Gaussiana
Lección 11 del curso Probabilidad Nivel Intermedio.
En la lección anterior vimos qué es la distribución Gaussiana (o normal) así como sus principales características.
Así que en esta última lección del curso veremos de forma práctica cómo usar esta distribución Gaussiana para desarrollar un sencillo modelo para detección de anomalías.
En particular, lo que haremos será tomar un set de datos que contiene transacciones bancarias y con base en el monto haremos uso de la distribución normal para definir un criterio que nos permita determinar cuándo una transacción es “normal” o “fraudulenta”.
Suscríbete y accede al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Muy bien, acabamos de usar los conceptos aprendidos acerca de la distribución Gaussiana para construir un sencillo modelo de detección de anomalías que nos permite determinar si una transacción bancaria es o no fraudulenta con base en el monto (en USD) de la misma.
Para ello hemos caracterizado la distribución de las transacciones “normales” a través de su media y desviación estándar y hemos usado esta información para definir un umbral que nos permite diferenciar este tipo de transacciones de aquellas que son “fraudulentas”. Al final hemos logrado obtener una exactitud del 99.9% con el set de entrenamiento.
Así que con esto hemos culminado este curso de Probabilidad Nivel Intermedio, donde hemos visto los conceptos de variables aleatorias (discretas y continuas) y las distribuciones de probabilidad más relevantes en cada caso. Además hemos visto de forma práctica cómo obtener la distribución de probabilidad a partir de los datos y cómo construir sencillos modelos predictivos usando las distribuciones binomial, multinomial y gaussiana.
Los invito a continuar esta línea de formación tomando el siguiente curso de esta serie: [Probabilidad Nivel Avanzado].