パイプラインを使う
すでに定義したパイプライン、つまり ロジスティック回帰と SMOTE 手法の組み合わせ をデータで動かしてみましょう。パイプラインは 1つの Machine Learning モデル と同じように扱えます。データ X と y はすでに用意されており、パイプラインは前の演習で定義済みです。モデルの結果がどうなるか気になりますよね。さっそく試してみましょう！
この演習はコースの一部です
Pythonで学ぶ不正検知
演習の手順
- データ
Xとyを学習用とテスト用に分割します。テストデータは全体の30%を確保し、random_stateは 0 に設定してください。 - 学習データでパイプラインを学習させ、
pipeline.predict()をX_testに対して実行して予測値を取得します。
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。
# Split your data X and y, into a training and a test set and fit the pipeline onto the training data
X_train, X_test, y_train, y_test = ____
# Fit your pipeline onto your training set and obtain predictions by fitting the model onto the test data
pipeline.fit(____, ____)
predicted = pipeline.____(____)
# Obtain the results from the classification report and confusion matrix
print('Classifcation report:\n', classification_report(y_test, predicted))
conf_mat = confusion_matrix(y_true=y_test, y_pred=predicted)
print('Confusion matrix:\n', conf_mat)