对于数据代表在线欺诈或保险（其中每一行代表一笔交易）的问题，响应变量通常以美元表示欺诈的价值。这样的响应值可能有不到 5% 的非零值表示欺诈交易。

关于这样的数据集，我有两个问题：

1. 我们可以使用什么算法来确保模型不仅准确地预测欺诈交易，而且预测与这些相关的欺诈价值。
2. 假设我们可以量化每个误报所涉及的成本（将非欺诈交易标记为欺诈）和因误报而产生的成本（将欺诈交易标记为非欺诈），我们如何优化模型以最大限度地节省成本（或尽量减少损失）？