Allt satt i ett sammanhang
En av ingenjörerna på ditt startup för arytmidetektering rusar in på ditt kontor och berättar att det finns ett problem med EKG-sensorn för överviktiga användare. Du bestämmer dig för att halvera vikten för exempel där vikten överstiger 80 kg. Du får också veta att eftersom ditt startup riktar sig mot fitnessmarknaden och inte gör några medicinska påståenden, är det dyrare att i onödan skrämma en atlet än att missa ett möjligt fall av arytmi. Du skapar en anpassad förlustfunktion där varje "falskt larm" räknas tio gånger dyrare än ett missat arytmifall. Förbättrar en lägre vikt för överviktiga subjekt den här anpassade förlusten? Dina träningsdata X_train, y_train och testdata X_test, y_test är förinstansierade, liksom confusion_matrix(), numpy som np och DecisionTreeClassifier().
Den här övningen är en del av kursen
Att designa maskininlärningsflöden i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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 ____