Mesures pour classes déséquilibrées
Le déséquilibre des classes peut nuire au rendement de votre modèle dans tout contexte de Machine Learning. C'est particulièrement pertinent en entrevue de Machine Learning si l'on vous demande quoi faire lorsqu'on vous remet un jeu de données avec une classe déséquilibrée, puisque certains types de données sont déséquilibrés par nature, comme celles sur la fraude en assurance.
Dans cet exercice, vous allez utiliser sklearn pour créer un modèle de régression logistique et afficher la matrice de confusion ainsi que plusieurs mesures d'évaluation, afin de mieux comprendre comment interpréter les modèles de Machine Learning à partir de jeux de données comportant un déséquilibre de classes.
Rappelez-vous le déséquilibre de classes observé précédemment dans loan_data. Le nombre d'observations dont l'état du prêt est Fully Paid dépasse largement celles marquées Charged Off :
Cette activité fait partie du cours
S'exercer aux questions d'entrevue en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, _____