SMOTE と組み合わせたロジスティック回帰

この演習では、前の演習で使ったロジスティック回帰モデルに、SMOTE リサンプリング手法を組み合わせます。ここでは、リサンプリング手法とモデルを一度にまとめられるパイプラインを使って、効率的に実装する方法を学びます。まずは、使用するパイプラインを定義してください。

この演習はコースの一部です

Pythonで学ぶ不正検知

コースを見る

演習の手順

imblearn から Pipeline モジュールをインポートします（すでに実行済みです）。
次に、パイプラインに入れる内容を定義します。SMOTE() を resampling に、LogisticRegression() を model に代入してください。
Pipeline() 関数でこの2つのステップを結合します。引数の所定の位置で、resampling と model を組み合わせることを指定する必要があります。やり方は私が示します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)])

コードを編集して実行