1. Nauka
    2. /
  2. Kursy
    3. /
  3. Projektowanie przepływów pracy uczenia maszynowego w Pythonie
Connected

ćwiczenie

Łącząc wszystko razem

Jeden z inżynierów w twoim startupie zajmującym się wykrywaniem arytmii wpada do biura z informacją, że czujnik EKG działa nieprawidłowo w przypadku osób z nadwagą. Decydujesz się zmniejszyć wpływ przykładów, w których waga przekracza 80, o 50%. Dowiadujesz się również, że ponieważ startup kieruje ofertę do rynku fitness i nie stawia diagnoz medycznych, niepotrzebne straszenie sportowca jest kosztowniejsze niż przeoczenie możliwego przypadku arytmii. Postanawiasz stworzyć niestandardową funkcję straty, w której każdy „fałszywy alarm" jest dziesięć razy kosztowniejszy niż przeoczenie przypadku arytmii. Czy zmniejszenie wagi przykładów osób z nadwagą poprawia tę niestandardową stratę? Dane treningowe X_train, y_train oraz dane testowe X_test, y_test są wczytane, podobnie jak confusion_matrix(), numpy jako np i DecisionTreeClassifier().

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Zacznij od stworzenia niestandardowej funkcji straty, która wyodrębnia fałszywe pozytywy i fałszywe negatywy z macierzy pomyłek, a następnie przypisuje każdemu fałszywemu alarmowi dziesięciokrotnie większy koszt niż przeoczonemu przypadkowi arytmii.