Logistická regrese
V této poslední lekci zkombinuješ tři algoritmy do jednoho modelu pomocí VotingClassifier. Díky tomu můžeš využít silných stránek všech modelů najednou a doufejme, že zlepšíš celkový výkon a odhalíš více podvodů. První model, logistická regrese, dosahuje o něco vyššího skóre recall než náš optimální model Random Forest, ale generuje mnohem více falešně pozitivních výsledků. Přidáš k němu také rozhodovací strom s vyváženými váhami. Data jsou již rozdělena na trénovací a testovací sadu – k dispozici máš X_train, y_train, X_test a y_test.
Abys pochopil/a, jak může Voting Classifier zlepšit tvůj původní model, nejprve se podívej na samostatné výsledky modelu logistické regrese.
Toto cvičení je součástí kurzu
Detekce podvodů v Pythonu
Pokyny k cvičení
- Definuj model LogisticRegression s váhami tříd v poměru 1:15 pro případy podvodů.
- Natrénuj model na trénovací sadě a získej predikce modelu.
- Vypiš classification report a matici záměn.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Define the Logistic Regression model with weights
model = ____(____={____, ____}, random_state=5)
# Get the model results
get_model_results(X_train, y_train, X_test, y_test, model)