Model ayarlamaları
Çok dengesiz sahtekârlık verileriyle başa çıkmak için random forest modelini ayarlamanın basit bir yolu, sklearn modelini tanımlarken class_weights seçeneğini kullanmaktır. Ancak göreceğin gibi, bu yöntem biraz kaba kuvvet yaklaşımıdır ve senin çok özel durumunda işe yaramayabilir.
Bu egzersizde, önceki egzersizdeki Random Forest modelinde weight = "balanced_subsample" modunu keşfedeceksin. Veriyi eğitim ve test kümelerine zaten böldün; yani X_train, X_test, y_train, y_test hazır. Değerlendirme metrikleri fonksiyonları da içe aktarılmış durumda.
Bu egzersiz, kursun bir parçasıdır
Python ile Sahtekarlık Tespiti
Egzersiz talimatları
- Sınıflandırıcının
class_weightargümanınıbalanced_subsampleolarak ayarla. - Modelini eğitim kümesine fit et.
X_testüzerinden tahminleri ve olasılıkları elde et.roc_auc_scoredeğerini, sınıflandırma raporunu ve karmaşıklık matrisini elde et.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Define the model with balanced subsample
model = RandomForestClassifier(class_weight='____', random_state=5)
# Fit your training model to your training set
model.fit(____, ____)
# Obtain the predicted values and probabilities from the model
predicted = ____.____(____)
probs = ____.____(____)
# Print the roc_auc_score, the classification report and confusion matrix
print(____(____, ____))
print(____(____, ____))
print(____(____, ____))