Spojení dohromady
Jeden z inženýrů ve tvém startupu na detekci arytmií přiběhne do kanceláře s tím, že ECG senzor dává špatné výsledky u uživatelů s nadváhou. Rozhodneš se snížit vliv příkladů s hmotností nad 80 kg o 50 %. Dozvíš se také, že váš startup cílí na trh fitness a nevznáší žádné lékařské nároky – zbytečně vystrašit sportovce je proto nákladnější než přehlédnout možný případ arytmie. Vytvoříš vlastní ztrátovou funkci, kde každý "planý poplach" bude desetkrát nákladnější než přehlédnutý případ arytmie. Pomůže snížení váhy subjektů s nadváhou zlepšit tuto vlastní ztrátovou funkci? Trénovací data X_train, y_train a testovací data X_test, y_test jsou předem načtena, stejně jako confusion_matrix(), numpy jako np a DecisionTreeClassifier().
Toto cvičení je součástí kurzu
Designing Machine Learning Workflows in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create a scorer assigning more cost to false positives
def my_scorer(y_test, y_est, cost_fp=10.0, cost_fn=1.0):
tn, fp, fn, tp = ____
return ____