Regresi Logistik
Dalam pelajaran terakhir ini, Anda akan menggabungkan tiga algoritma ke dalam satu model dengan VotingClassifier. Ini memungkinkan kita memanfaatkan keunggulan masing-masing model, dengan harapan meningkatkan kinerja keseluruhan dan mendeteksi lebih banyak kecurangan. Model pertama, Logistic Regression, memiliki skor recall sedikit lebih tinggi dibandingkan model Random Forest optimal kita, tetapi menghasilkan jauh lebih banyak positif palsu. Anda juga akan menambahkan Decision Tree dengan bobot seimbang. Data sudah dibagi menjadi himpunan latih dan uji, yaitu X_train, y_train, X_test, y_test tersedia.
Untuk memahami bagaimana Voting Classifier berpotensi meningkatkan model asli Anda, Anda sebaiknya memeriksa terlebih dahulu hasil mandiri dari model Logistic Regression.
Latihan ini merupakan bagian dari kursus
Deteksi Kecurangan di Python
Instruksi latihan
- Definisikan model LogisticRegression dengan bobot kelas 1:15 untuk kasus kecurangan.
- Latih model pada himpunan latih, dan peroleh prediksi model.
- Cetak classification report dan confusion matrix.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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)