Логистическая регрессия в сочетании с SMOTE

В этом упражнении вы возьмёте модель логистической регрессии из предыдущего упражнения и объедините её с методом ресэмплинга SMOTE. Мы покажем, как сделать это эффективно с помощью пайплайна, который объединяет метод ресэмплинга и модель в одном шаге. Для начала нужно определить пайплайн, который вы будете использовать.

Это упражнение является частью курса

Обнаружение мошенничества на Python

Посмотреть курс

Инструкции к упражнению

Импортируйте модуль Pipeline из imblearn — это уже сделано за вас.
Затем определите, что вы хотите включить в пайплайн: присвойте метод SMOTE() переменной resampling, а LogisticRegression() — переменной model.
Объедините два шага в функции Pipeline(). Укажите, что хотите объединить resampling с model в соответствующем аргументе. Как это сделать, показано ниже.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)])

Редактировать и запускать код