Regresja logistyczna połączona z SMOTE

W tym ćwiczeniu weźmiesz model regresji logistycznej z poprzedniego ćwiczenia i połączysz go z metodą resamplingową SMOTE. Pokażemy ci, jak zrobić to sprawnie – za pomocą potoku (pipeline), który łączy metodę resamplingową z modelem w jednym kroku. Na początek zdefiniuj potok, którego zamierzasz użyć.

To ćwiczenie jest częścią kursu

Wykrywanie oszustw w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj moduł Pipeline z biblioteki imblearn – ten krok został już wykonany.
Następnie zdefiniuj zawartość potoku: przypisz metodę SMOTE() do zmiennej resampling, a LogisticRegression() do zmiennej model.
Połącz oba kroki w funkcji Pipeline(). Wskaż, że chcesz połączyć resampling z model w odpowiednim miejscu argumentu – pokazuję ci, jak to zrobić.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)])

Edytuj i uruchom kod