Teknik resampling
Pada latihan sebelumnya, Anda melihat bagaimana ketidakseimbangan kelas dapat memengaruhi hasil confusion matrix. Pada latihan ini, Anda akan mempraktikkan teknik resampling untuk mengeksplorasi berbagai hasil yang mungkin muncul dari gaya resampling alternatif pada himpunan data dengan ketidakseimbangan kelas seperti yang terlihat pada loan_data. Dengan menggunakan fungsi resample() dari sklearn, menyamakan jumlah baris pada kelas mayoritas disebut upsampling, sedangkan menyamakan jumlah baris pada kelas minoritas disebut downsampling.
Anda akan membuat versi upsampled dan downsampled dari himpunan data loan_data, menerapkan logistic regression pada keduanya, lalu mengevaluasi kinerjanya. Data latih dan labelnya yang sesuai dengan deny diambil sebagai subset hanya untuk kelas minoritas, dan approve untuk kelas mayoritas.
Objek data uji dari pemisahan train/test untuk membuat prediksi telah disimpan di workspace sebagai X_test untuk Anda gunakan dalam latihan.
Latihan ini merupakan bagian dari kursus
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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])