เมื่อผลเฉลี่ยรวมซ่อนความแตกต่างระหว่างกลุ่ม ทีมงานต้องตรวจแยกชั้นข้อมูล จึงพิจารณาว่า ธนาคารต้องการตรวจจับการฉ้อโกงในการทำธุรกรรมบัตรเครดิต โดยข้อมูลที่มีการฉ้อโกงมีสัดส่วนน้อยมากเมื่อเทียบกับธุรกรรมปกติ ควรใช้เทคนิคใดในการวิเคราะห์ข้อมูลที่เหมาะสมที่สุด
กการจัดกลุ่มข้อมูลแบบ K-Means Clustering เพื่อแบ่งประเภทลูกค้า
ขการวิเคราะห์การถดถอยเชิงเส้น (Linear Regression) เพื่อพยากรณ์ยอดธุรกรรม
คการตรวจจับความผิดปกติ (Anomaly Detection) ร่วมกับการปรับสมดุลข้อมูล (SMOTE)
งการวิเคราะห์อนุกรมเวลา (Time Series Analysis) เพื่อติดตามแนวโน้มการใช้จ่าย
เฉลยอธิบาย
การตรวจจับความผิดปกติ (Anomaly Detection) เหมาะสมที่สุดสำหรับการตรวจจับการฉ้อโกง เนื่องจากสามารถระบุธุรกรรมที่มีพฤติกรรมแตกต่างจากปกติได้ และการใช้ SMOTE ช่วยแก้ปัญหาข้อมูลที่ไม่สมดุล (Imbalanced Data) ซึ่งเป็นลักษณะเฉพาะของปัญหานี้ที่มีธุรกรรมฉ้อโกงน้อยมาก ส่วนตัวเลือกอื่นไม่เหมาะสม เพราะ Linear Regression ใช้พยากรณ์ค่าต่อเนื่อง K-Means ใช้จัดกลุ่มโดยไม่มีป้ายกำกับ และ Time Series ใช้วิเคราะห์แนวโน้มตามเวลา ซึ่งไม่ตรงกับวัตถุประสงค์การตรวจจับการฉ้อโกง