เมตริกสำหรับคลาสที่ไม่สมดุล
ความไม่สมดุลของคลาสเป็นปัญหาที่อาจส่งผลกระทบต่อประสิทธิภาพของโมเดลในบริบท machine learning ต่าง ๆ เรื่องนี้มีความสำคัญอย่างยิ่งในการสัมภาษณ์งานด้าน machine learning เนื่องจากอาจถูกถามว่าจะจัดการอย่างไรหากได้รับชุดข้อมูลที่มีคลาสไม่สมดุล ซึ่งข้อมูลบางประเภทมีความไม่สมดุลโดยธรรมชาติ เช่น ข้อมูลการฉ้อโกงประกันภัย
ในแบบฝึกหัดนี้ จะใช้ sklearn เพื่อสร้างโมเดล logistic regression แล้วพิมพ์ confusion matrix พร้อมกับเมตริกการประเมินหลายตัว เพื่อทำความเข้าใจการตีความโมเดล Machine Learning จากชุดข้อมูลที่มีความไม่สมดุลของคลาสได้ดียิ่งขึ้น
ให้ระลึกถึงความไม่สมดุลของคลาสที่เคยพบใน loan_data จำนวนการสังเกตที่มีสถานะเงินกู้เป็น Fully Paid นั้นมากกว่า Charged Off อย่างเห็นได้ชัด:
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, _____