Logistisk regression kombinerat med SMOTE

I den här övningen ska du ta logistisk regression-modellen från föregående övning och kombinera den med en SMOTE-omsamplingsmetod. Vi visar dig hur du gör det effektivt med hjälp av en pipeline som kombinerar omsamplingsmetoden med modellen i ett enda steg. Börja med att definiera den pipeline du ska använda.

Den här övningen är en del av kursen

Bedrägeridetektering i Python

Visa kurs

Övningsinstruktioner

Importera modulen Pipeline från imblearn – det här är redan gjort åt dig.
Definiera sedan vad du vill lägga in i pipelinen: tilldela SMOTE()-metoden till resampling och tilldela LogisticRegression() till model.
Kombinera de två stegen i funktionen Pipeline(). Du behöver ange att du vill kombinera resampling med model på respektive plats i argumentet. Jag visar dig hur du gör detta.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)])

Redigera och kör kod