Pull to refresh

Почему DataScientist-ы не используют ошибки первого и второго рода

Reading time 6 min
Views 20K

Вчера мне в очередной раз пришлось объяснять почему DataScientist-ы не используют ошибки первого и второго рода и зачем же ввели полноту и точность. Вот прямо заняться нам нечем, лишь бы новые критерии вводить.


И если ошибка второго рода выражается просто:


$O_2 = 1 - \Pi$


где Π — это полнота;


то вот ошибка первого рода весьма нетривиально выражается через полноту и точность (см.ниже).


Но это лирика. Самый важный вопрос:


Почему в DataScience используют полноту и точность и почти никогда не говорят об ошибках первого и второго рода?

Кто не знает или забыл — прошу под кат.


Бизнес-задача


Так как Хабр — это блог IT-шников, постараюсь по минимуму использовать мат.абстракции и рассказывать сразу на примере. Предположим, что мы решаем задачу Fraud-мониторинга в ДБО условного банка Roga & Copyta, сокращённо R&C.


Предположим, что у мы разработали некую автоматизированную экспертную систему (ЭС), определяющую для каждой платёжной транзакции: является ли данная транзакция мошеннической (fraud, F) или легитимной (genuine, G).


Необходимо определить "хорошие" критерии оценки качества системы и дать формулы расчета этих критериев.


Так как Roga & Copyta — это хоть и маленький, но всё же банк, то в нём работают люди меркантильные и ничего кроме денег их не интересует. Поэтому разрабатываемые критерии должны максимально прозрачно показывать: насколько выгодно им использовать нашу ЭС? Может быть выгодно установить ЭС конкурентов?


События и вероятности


Для каждой транзакции могут быть определены четыре события:


  1. Fr (fraud real) — событие того, что транзакция в действительности окажется мошеннической;
  2. Gr (genuine real) — событие того, что транзакция в действительности окажется легитимной;
  3. F — событие того, что ЭС "определит" транзакцию как мошенническую;
  4. G — событие того, что ЭС "определит" транзакцию как легитимную

Очевидно, что Fr и Grнесовместные события; аналогично F и G — несовместные. По этой причине разумно рассматривать четыре вероятности:


$tn=P(G G_r);~~fn=P(GF_r);~~fp=P(FG_r);~~tp=P(FF_r)$


Аббревиатуры читаются так:


  1. tn — true negative
  2. fn — false negative
  3. fp — false positive
  4. tp — true positive

Мы можем рассматривать условные вероятности:


$P(G |G_r);~~P(G|F_r);~~P(F|G_r);~~P(F|F_r)$


Так же нам будут интересны и "обратные" условные вероятности:


$P(G_к |G);~~P(G_к|F);~~P(F_r|G);~~P(F_r|F)$


Например вероятность $P(F_r |F)$ означает следующее:


Какова вероятность того, что транзакция действительно окажется мошеннической, если ЭС "определила" это событие как мошенническое.

Не следует $P(F_r |F)$ путать с $P(F |F_r)$, которое можно определить словами:


Какова вероятность того, что ЭС "назовёт" транзакцию мошеннической, если данная транзакция действительно мошенническая.

Аналогично можно определить словами и другие условные вероятности.


Вспомним определения


В статистике любят говорить о нулевой гипотезе (H0) и альтернативной (H1) гипотезе. Обычно под нулевой гипотезой определяют "естественное" состояние. В случае фрод-мониторинга "естественным" состоянием является то, что транзакция легитимная. Это действительно разумно, хотя бы по той причине, что количество мошеннических транзакций гораздо меньше количества легитимных.


Поэтому за нулевую гипотезу примем Gr, а за альтернативную Fr.


Ошибки первого (O1) и второго (O2) рода определяются так:


$O_1 \stackrel{\mathrm{def}}{=} P (F | G_r);~~~~ O_2 \stackrel{\mathrm{def}}{=} P (G | F_r)$


Словами

Ошибка первого рода (O1) — это вероятность того, что ЭС "определит" транзакцию как мошенническую, при условии, что она легитимная.


Ошибка второго рода (O2) — это вероятность того, что ЭС "определит" транзакцию как легитимную, при условии, что она мошенническая.


Замечание: часто ошибку первого рода называют false positives а ошибку второго рода как false negatives. В том числе, таковы определения в википедии. Это верно по сути. Но $fp = P(FG_r) \neq P(F|G_r) = O_1$ и $fn = P(GF_r) \neq P(G|F_r) = O_2$. Очень многие новички в DataScience делают такую ошибку и путаются.

Полнота (П) и точность (Т) по определению:


$\Pi \stackrel{\mathrm{def}}{=} P (F | F_r);~~~~ T \stackrel{\mathrm{def}}{=} P (F_r| F)$


Т.е. полнота — это вероятность того, что ЭС "определит" транзакцию мошеннической, при условии, что она действительно мошенническая. А точность — это вероятность того, что транзакция действительно мошенническая, при условии, что ЭС "определила" транзакцию как мошенническую.


Полноту и точность можно выразить через tp, fp, fn следующим образом:


$\Pi = \frac{tp}{tp + fn}; ~~ T=\frac{tp}{tp+fp}$


Вывод формул

Выводим тупо в лоб.
Для полноты:


$ \frac{tp}{tp + fn} = \frac{P(FF_r)}{P(FF_r) + P(GF_r)} = \frac{P(F|F_r)\cdot P(F_r)}{P(F|F_r) \cdot P(F_r) + P(G|F_r) \cdot P(F_r)} = \\ = \frac{P(F|F_r)}{P(F|F_r) + P(G|F_r)} = \frac{P(F|F_r)}{1} = P(F|F_r)$


Для точности:


$\frac{tp}{tp+fp} = \frac{P(FF_r)}{P(FF_r) + P(FG_r)} = \frac{P(F_r|F) \cdot P(F)}{P(F_r|F) \cdot P(F) + P(G_r|F) \cdot P(F)}= \\ \frac{P(F_r|F)}{P(F_r|F) + P(G_r|F)} = \frac{P(F_r|F)}{1} = P(F_r|F)$


Следует заметить, что именно эти формулы очень частно приводят в качестве определения полноты и точности. Тут вопрос во вкусе. Можно сказать, что квадрат — это прямоугольник, у которого все стороны равны и доказать, что ромб с прямым углом — это квадрат. А можно наоборот. Например, когда я учился в школе, у меня квадрат определяли как ромб с прямым углом и доказывали, что прямоугольник с равными сторонами — это квадрат.


Но все же определение полноты как $\Pi \stackrel{\mathrm{def}}{=} P (F | F_r)$ и точности как T $\stackrel{\mathrm{def}}{=} P (F_r| F)$ мне кажется более правильным. Сразу понятно в чем физический смысл этих величин. Понятно, зачем они нужны.


Бизнес-смысл полноты и точности


Предположим, что для Roga & Copyta мы создали систему с полнотой в 80% и точностью в 10%.
Предположим, что без ЭС банк теряет на мошенничестве 1 миллиард тугриков (₮) в год. Это значит, что благодаря ЭС они смогут предотвратить хищение на сумму в 800 миллионов ₮. Останется еще 200 миллионов ₮ — это ущерб банку (или клиентам банка), который не смогла предотвратить ЭС.


А что на счет точности в 10%? Данная величина значит, что из 100 сработок ЭС только 10 будут попадать по цели, а в остальных случаях мы приостановим легитимные транзакции. Хорошо это или плохо?


Во-первых при остановки транзакции банк совершает какие-либо действия. Например звонит клиентам с просьбой подтвердить операции.


Во-вторых заблокировать легитимные транзакции тоже не всегда хорошая идея. Представьте, что вы сидите с девушкой в ресторане, просите счёт, оплачиваете картой… А тут бах… ЭС ошибочно подсчитала что вы — мошенник… Наверное не очень удобно будет перед барышней… Но мы, чтобы не усложнять, пока опустим эту проблему.


Итак, предположим один звонок стоит 1000 ₮. Так же предположим что средний чек хакера у нас составляет 100 тысяч ₮.


Так как мы предотвращаем мошенничества на 800 миллионов ₮, то в среднем у нас будет 8000 правильных мошеннических сработок. Но 8000 — это, судя по точности, лишь 10%; следовательно всего мы позвоним 80000 раз. Умножаем эту цифру на стоимость одного звонка (1000 ₮) и получаем аж 80 миллионов ₮!


Итоговый ущерб в год для банка R&C равен: 200 + 80 = 280 миллионов ₮. Но без ЭС банк терял бы один один миллиард. Следовательно выгода R&C составляет 720 миллионов тугриков.


нюанс
Следует различать полноту и точность по количеству транзакций и по суммам. Это четыре разные величины. Здесь я "смешал все в кучу", что, конечно не верно! ;)) Будем считать что полнота и точность 80% и 10% как по количеству транзакций, так и по денежным суммам.

Бизнес-смысл ошибок первого и второго рода


Ошибка второго рода элементарно выводится через полноту:


$O_2 = 1 - \Pi$


Вывод формулы элементарен (см. следующий параграф)


Поэтому что считать — полноту или упущенный фрод (ошибка второго рода) особой разницы не представляет.


А что на счет ошибки первого рода?


$O_1 \stackrel{\mathrm{def}}{=} P (F | G_r)$


Это вероятность того, что ЭС назовёт мошеннической операцией транзакцию, при условии что она легитимная. Проблема в том, что легитимных транзакций существенно больше мошеннических. Есть банки, в которых более 50 платёжных транзакций в секунду… И это совсем не предел.


R&C — банк небольшой, там всего пять платёжных транзакций в секунду. Давайте посчитаем, сколько это в сутки:


$5 \cdot 60 \cdot 60 \cdot 24 = 432000 $


В прошлом параграфе мы узнали, что в R&C 80000 сработок в год, это значит что в сутки в среднем 80000 / 365 = 219,17 сработок. Из них только 10% попали в цель (такова точность), то есть 22. Значит остальные — подлинные: 432000 — 22 = 431978.


Так как полнота 80%, то из этих 22 мы только 4.4 будем упускать.
Значит ошибка первого рода:


$ O_1 =\frac{4.4}{431978} = 0,000010186 $


Слишком маленькая величина! Бизнес не любит такие числа. Так же сложнее, чем для точности высчитать пользу и ущерб для бизнеса. И есть еще одна проблема:


через ошибку первого рода, можно косвенно понять об объемах платёжных операций в банке!

Что касается точности, то такой проблемы нет. Специалисты из отдела безопасности R&C знают об объемах мошенничества. Они узнают о допустимой нагрузке на контактный центр у самой главной девочки + спрашивают руководство банка о желаемой полноте. Зная абсолютную нагрузку, желаемую полноту и объем фрода можно без труда вычислить приемлемую точность. Эти две цифры вписываются в техническое задание (или тендер).


Разработчику выдают выборку из мошеннических транзакций и легитимных. Если выборка репрезентативна, этих данных достаточно.


"Неправильность" точности с точки зрения чистой математики


Если объем транзакций увеличится в два раза, то точность уменьшится. Если объем мошенничества увеличится в два раза, то точность так же будет больше… С ошибкой первого рода такой проблемы нет, поэтому с точки зрения "чистой математики", эта величина гораздо более "правильная"...


Но на практике, если и резко увеличивается объем мошенничества, то как правило это фрод нового типа и ЭС просто не обучена его ловить… Точность останется той же (а вот полнота уменьшиться, т.к. появится фрод, который мы не умеем ловить). Что касается увеличения количества легитимных транзакций — то это увеличение постепенное и никаких "рывков" не будет.


Поэтому на практике точность — замечательный, понятный для бизнеса критерий оценки качества ЭС.


Вывод ошибок первого рода и второго рода из полноты и точности


Но может быть существует изящная формула вывода ошибки первого рода через точность?
Вот с ошибкой второго рода как все красиво:


$O_2 = 1 - \Pi$


Вывод формулы

$1 - \Pi = 1 - P(F|F_r) = P(G|F_r) = O_2$


К сожалению с O1 так изящно не получится. Вот отношение через точность (Т) и полноту (П):


$O_1 = \frac{P(F_r)}{P(G_r)}\cdot\Pi \cdot \left( \frac{1}{T} - 1 \right) $


Вывод формулы

Эй! Ты что такой ленивый! А ну давай сам попробуй!


Я сегодня плохо спал, Павел! Ну покажи!

Из $fp = P(F|G_r)\cdot P(G_r) = O_1 \cdot P(G_r)$ и
$tp = P(F|F_r) \cdot P(F_r) = \Pi \cdot P(F_r)$ можно составить выражение:


$T = \frac{\Pi \cdot P(F_r)}{\Pi \cdot P(F_r) +O_1 \cdot P(G_r)}$


Откуда следует:


$\frac{1}{T} - 1 = O_1 \cdot \frac{P(G_r)}{P(F_r) \cdot \Pi}$


Уже из этого отношения легко получить формулу для O1


Заключение


Точность и полнота "не хуже" и "не лучше" чем ошибки первого и второго рода. Всё зависит от задачи. Мы же не едим столовой ложкой торт, а чайной борщ? Хотя это возможно.


Точность и полнота более понятные критерии качества. Ими легче оперировать. С помощью них просто вычислить предотвращённый ущерб в задаче фрод-мониторинга.


Если вы обнаружили описку или грамматическую ошибку — прошу написать в личку.

Tags:
Hubs:
+10
Comments 6
Comments Comments 6

Articles