Metriche per classi sbilanciate
Lo sbilanciamento delle classi può compromettere le prestazioni del tuo modello in qualunque contesto di Machine Learning. Questo è particolarmente rilevante in un colloquio di Machine Learning quando ti chiedono cosa faresti se avessi un insieme di dati con classi sbilanciate; alcuni dati sono sbilanciati per natura, come i dati sulle frodi assicurative.
In questo esercizio userai sklearn per creare un modello di regressione logistica e stampare la matrice di confusione insieme a diverse metriche di valutazione, così da capire meglio come interpretare modelli di Machine Learning su insiemi di dati con classi sbilanciate.
Ricorda lo sbilanciamento delle classi che hai visto in loan_data. Il numero di osservazioni con Loan Status uguale a Fully Paid è di gran lunga superiore a quello con Charged Off:
Questo esercizio fa parte del corso
Esercitarsi con le domande di colloquio di Machine Learning in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, _____