Metrici pentru clase dezechilibrate
Dezechilibrul de clase poate afecta performanța modelului în orice context de învățare automată. Acest aspect este deosebit de relevant într-un interviu de machine learning, dacă ești întrebat ce ai face dacă primești un set de date cu clase dezechilibrate – unele date sunt dezechilibrate prin design, cum ar fi datele privind frauda în asigurări.
În acest exercițiu vei folosi sklearn pentru a crea un model de regresie logistică și pentru a afișa matricea de confuzie împreună cu mai multe metrici de evaluare, ca să înțelegi mai bine cum se interpretează modelele de Machine Learning pe seturi de date cu dezechilibru de clase.
Amintește-ți dezechilibrul de clase observat anterior în loan_data. Numărul de observații cu Loan Status de tip Fully Paid îl depășește cu mult pe cel al celor Charged Off:
Acest exercițiu face parte din cursul
Exersează întrebări de interviu pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, _____