Régression logistique combinée à SMOTE

Dans cet exercice, vous allez reprendre le modèle de régression logistique de l'exercice précédent et le combiner à une méthode de rééchantillonnage SMOTE. Nous allons vous montrer comment le faire efficacement à l'aide d'un pipeline qui regroupe en une seule étape la méthode de rééchantillonnage et le modèle. Commencez par définir le pipeline que vous allez utiliser.

Cette activité fait partie du cours

Détection de fraude en Python

Voir le cours

Instructions de l’exercice

Importez le module Pipeline depuis imblearn ; cela a été fait pour vous.
Définissez ensuite ce que vous voulez mettre dans le pipeline : assignez la méthode SMOTE() à resampling, et LogisticRegression() à model.
Combinez les deux étapes dans la fonction Pipeline(). Vous devez indiquer que vous souhaitez combiner resampling avec le model à l'endroit approprié de l'argument. Je vous montre comment faire.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# This is the pipeline module we need for this from imblearn
from imblearn.pipeline import Pipeline 

# Define which resampling method and which ML model to use in the pipeline
resampling = ____
model = ____

# Define the pipeline, tell it to combine SMOTE with the Logistic Regression model
pipeline = Pipeline([('SMOTE', resampling), ('Logistic Regression', model)])

Modifier et exécuter le code