Metriky pro nevyvážené třídy
Nevyvážené třídy můžou výrazně zhoršit výkon modelu v různých kontextech strojového učení. Tohle téma je obzvlášť důležité na pohovoru, kde tě mohou požádat, jak bys postupoval/a s datasetem s nevyváženými třídami – například data o pojistných podvodech jsou nevyvážená ze své podstaty.
V tomto cvičení použiješ sklearn k vytvoření modelu logistické regrese a vypíšeš matici záměn spolu s několika hodnoticími metrikami. Díky tomu lépe pochopíš, jak interpretovat modely strojového učení na datech s nevyváženými třídami.
Vzpomeň si na nevyváženost tříd, kterou jsi viděl/a dříve v loan_data. Počet záznamů se statusem půjčky „Fully Paid" výrazně převyšuje záznamy „Charged Off":
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, _____