Собираем всё вместе
Один из инженеров вашего стартапа по обнаружению аритмии врывается в ваш офис с сообщением о проблеме с датчиком ЭКГ для пользователей с избыточным весом. Вы решаете снизить влияние примеров с весом свыше 80 кг на 50%. Кроме того, поскольку стартап ориентирован на рынок фитнеса и не делает медицинских заявлений, ложная тревога для спортсмена обходится дороже, чем пропущенный случай аритмии. Вы решаете создать пользовательскую функцию потерь, в которой каждый «ложный сигнал тревоги» обходится в десять раз дороже, чем пропущенный случай аритмии. Улучшает ли снижение веса примеров с избыточным весом эту пользовательскую функцию потерь? Обучающие данные X_train, y_train и тестовые данные X_test, y_test уже загружены, как и confusion_matrix(), numpy в виде np и DecisionTreeClassifier().
Это упражнение является частью курса
Проектирование рабочих процессов машинного обучения на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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 ____