Lojistik Regresyon
Bu son derste üç algoritmayı VotingClassifier ile tek bir modelde birleştireceksin. Bu sayede tüm modellerin farklı güçlü yönlerinden yararlanıp genel performansı artırmayı ve daha fazla sahtekarlığı tespit etmeyi umuyoruz. İlk model olan Lojistik Regresyon, en iyi Random Forest modelimizden biraz daha yüksek bir recall puanına sahip, ancak çok daha fazla yanlış pozitif üretiyor. Buna ek olarak, dengelenmiş ağırlıklara sahip bir Decision Tree de ekleyeceksin. Veri eğitim ve test kümelerine zaten ayrılmış durumda; yani X_train, y_train, X_test, y_test mevcut.
Voting Classifier'ın orijinal modelini nasıl potansiyel olarak iyileştirebileceğini anlamak için, önce Lojistik Regresyon modelinin tek başına sonuçlarını kontrol etmelisin.
Bu egzersiz, kursun bir parçasıdır
Python ile Sahtekarlık Tespiti
Egzersiz talimatları
- Sahtecilik sınıfı için sınıf ağırlıkları 1:15 olacak şekilde bir LogisticRegression modeli tanımla.
- Modeli eğitim kümesine fit et ve model tahminlerini elde et.
- Sınıflandırma raporunu ve karmaşıklık matrisini yazdır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Define the Logistic Regression model with weights
model = ____(____={____, ____}, random_state=5)
# Get the model results
get_model_results(X_train, y_train, X_test, y_test, model)