시작하기무료로 시작하기

모든 것을 종합해 보기

부정맥 탐지 스타트업의 한 엔지니어가 과체중 사용자에게서 ECG 센서에 문제가 있다고 급히 알려왔어요. 그래서 체중이 80을 초과하는 예시의 영향력을 50% 줄이기로 했습니다. 또한, 우리 스타트업은 피트니스 시장을 타깃으로 하고 의학적 효능을 주장하지 않기 때문에, 운동선수를 괜히 놀라게 하는 것이 잠재적 부정맥 사례를 놓치는 것보다 더 큰 비용이라고 들었습니다. 이에 따라 각 "false alarm"(거짓 경보)의 비용을 부정맥 사례를 놓치는 것보다 10배 높게 하는 커스텀 손실을 만들기로 했습니다. 과체중 피험자에 대한 가중치 감소가 이 커스텀 손실을 개선할까요? 학습 데이터 X_train, y_train과 테스트 데이터 X_test, y_test는 미리 로드되어 있으며, confusion_matrix(), numpy는 np로, 그리고 DecisionTreeClassifier()도 준비되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 설계하는 Machine Learning 워크플로

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Create a scorer assigning more cost to false positives
def my_scorer(y_test, y_est, cost_fp=10.0, cost_fn=1.0):
    tn, fp, fn, tp = ____
    return ____
코드 편집 및 실행