Regressione logistica combinata con SMOTE
In questo esercizio prenderai il modello di Regressione Logistica dell'esercizio precedente e lo combinerai con un metodo di ricampionamento SMOTE. Ti mostreremo come farlo in modo efficiente usando una pipeline che unisce in un solo passaggio il metodo di ricampionamento e il modello. Per prima cosa, devi definire la pipeline che userai.
Questo esercizio fa parte del corso
Rilevamento delle frodi in Python
Istruzioni dell'esercizio
- Importa il modulo
Pipelinedaimblearn: è già stato fatto per te. - Poi definisci cosa vuoi inserire nella pipeline: assegna il metodo
SMOTE()aresamplingeLogisticRegression()amodel. - Combina i due passaggi nella funzione
Pipeline(). Devi indicare che vuoi combinareresamplingconmodelnel punto corrispondente dell'argomento. Ti mostro come farlo.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)])