रीसैंपलिंग तकनीकें
पिछले अभ्यास में, आपने देखा कि क्लास असंतुलन आपकी confusion matrix के परिणामों को कैसे प्रभावित कर सकता है। इस अभ्यास में, आप रीसैंपलिंग तकनीकों का अभ्यास करेंगे ताकि यह देख सकें कि वैकल्पिक रीसैंपलिंग शैलियाँ loan_data जैसे क्लास असंतुलन वाले डेटासेट पर कैसे अलग-अलग परिणाम दे सकती हैं। sklearn के resample() फंक्शन का उपयोग करते हुए, बहुसंख्यक क्लास की पंक्तियों की संख्या से मेल कराना upsampling कहलाता है, जबकि अल्पसंख्यक क्लास की पंक्तियों की संख्या से मेल कराना downsampling कहलाता है।
आप loan_data डेटासेट के upsampled और downsampled दोनों संस्करण बनाएँगे, दोनों पर logistic regression लागू करेंगे और फिर अपने प्रदर्शन का मूल्यांकन करेंगे। प्रशिक्षण डेटा और उसके लेबल जो deny से संबंधित हैं उन्हें केवल अल्पसंख्यक क्लास तक सीमित किया गया है, और approve बहुसंख्यक क्लास से संबंधित है।
प्रेडिक्शन बनाने के लिए train/test split से बना एक testing ऑब्जेक्ट कार्यक्षेत्र में X_test के रूप में सेव किया गया है, जिसे आप इन अभ्यासों में उपयोग करेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Upsample minority and combine with majority
loans_upsampled = ____(deny, replace=True, n_samples=len(____), random_state=123)
upsampled = pd.concat([approve, loans_upsampled])
# Downsample majority and combine with minority
loans_downsampled = ____(____, replace = False, n_samples = len(deny), random_state = 123)
downsampled = pd.concat([loans_downsampled, deny])