Icon

Fraud_​Vehicle_​Insurance1

Excel Reader
casos sem fraude seguem para cima e os sem fraude seguem para baixo
Row Splitter
Keras Network Executor
dividiu-se 2/3 dos casos sem fraude para treino e 1/3 para valdiação
Table Partitioner
casos com fraude + 1/3 de casos de fraude (dados de teste)
Concatenate
dos 2/3 de treino, 90% são dados de treino efetivos e 10% segue para validação interna do treino
Table Partitioner
aprendeu os min/max dos campos de treino e normalizou-os
Normalizer
aplicou as mesmas regras de normalização aos 10% de validação interna
Normalizer (Apply)
Fraud Distribution ( 0- No fraude; 1- Fraude)
Pie Chart
Keras Network Learner
Row Filter
aplicou as regras de normalização aos dados de validação
Normalizer (Apply)
units:16activation: sigmoid
Keras Dense Layer
Model Writer
units: 8activation: sigmoid
Keras Dense Layer
shape: 16
Keras Input Layer
units: 22 activation: sigmoid
Keras Dense Layer
units: 16activation: sigmoid
Keras Dense Layer
Keras Network Writer
units: 16activation: sigmoid
Keras Dense Layer
units: 22activation: sigmoid
Keras Dense Layer

Nodes

Extensions

Links

Download

To use this workflow in KNIME, download it from the below URL and open it in KNIME:

Download Workflow
Created by: vitor
Created at: 2026-05-11
On NodePit since: 2026-05-13
Last update: 2026-05-13
Created with KNIME version: v5.11.0

Deploy, schedule, execute, and monitor your KNIME workflows locally, in the cloud or on-premises – with our brand new NodePit Runner.

Try NodePit Runner!