เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

รวบรวมทุกอย่างเข้าด้วยกัน

วิศวกรคนหนึ่งในสตาร์ทอัพตรวจจับภาวะหัวใจเต้นผิดจังหวะของคุณรีบเข้ามาในออฟฟิศเพื่อแจ้งว่ามีปัญหากับเซนเซอร์ ECG สำหรับผู้ใช้ที่มีน้ำหนักเกิน คุณจึงตัดสินใจลดอิทธิพลของตัวอย่างที่มีน้ำหนักมากกว่า 80 ลง 50% นอกจากนี้ยังได้รับแจ้งว่า เนื่องจากสตาร์ทอัพมุ่งเป้าตลาดฟิตเนสและไม่ได้อ้างสิทธิ์ทางการแพทย์ การสร้างความกังวลให้นักกีฬาโดยไม่จำเป็นจึงมีต้นทุนสูงกว่าการพลาดตรวจพบภาวะหัวใจเต้นผิดจังหวะ คุณจึงสร้าง loss function แบบกำหนดเองที่ทำให้ "การแจ้งเตือนเท็จ" แต่ละครั้งมีต้นทุนสูงกว่าการพลาดตรวจพบถึงสิบเท่า การลดน้ำหนักของกลุ่มตัวอย่างที่มีน้ำหนักเกินจะช่วยให้ custom loss นี้ดีขึ้นหรือไม่? ข้อมูลฝึก X_train, y_train และข้อมูลทดสอบ X_test, y_test ถูกโหลดไว้ล่วงหน้าแล้ว รวมถึง confusion_matrix(), numpy ในชื่อ np และ DecisionTreeClassifier()

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การออกแบบ Machine Learning Workflows ด้วย Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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 ____
แก้ไขและรันโค้ด