Sahtekarlığı yakalamak için ML sınıflandırması kullanma
Bu egzersizde, bunun yerine kredi kartı verimiz üzerinde basit bir machine learning modeli kullandığında ne olacağını göreceksin.
Sence bu sonuçları geçebilir misin? Unutma, 50 dolandırıcılık vakasının 22'sini doğru tahmin etmiştin ve 16 yanlış pozitif vardı.
Bunu akılda tutarak, bir Logistic Regression modeli kuralım. Python'da denetimli öğrenme dersini aldıysan bu modele aşina olmalısın. Almadıysan bu noktada hızlıca tazelemek isteyebilirsin. Ama endişe etme, machine learning modelinin yapısı boyunca sana rehberlik edeceğiz.
X ve y değişkenleri çalışma alanında hazır.
Bu egzersiz, kursun bir parçasıdır
Python ile Sahtekarlık Tespiti
Egzersiz talimatları
Xvey'yi eğitim ve test verilerine ayır; verinin %30'unu test için ayır.- Modelini eğitim verilerine uydur.
X_testüzerindemodel.predictçalıştırarak modelin tahmin ettiği etiketleri elde et.y_testilepredicted'ı karşılaştırarak bir sınıflandırma raporu elde et ve verilen karışıklık matrisiyle sonuçlarını kontrol et.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create the training and testing sets
X_train, X_test, y_train, y_test = train_test_split(____, ____, test_size=____, random_state=0)
# Fit a logistic regression model to our data
model = LogisticRegression()
model.fit(____, ____)
# Obtain model predictions
predicted = model.predict(____)
# Print the classifcation report and confusion matrix
print('Classification report:\n', classification_report(____, ____))
conf_mat = confusion_matrix(y_true=y_test, y_pred=predicted)
print('Confusion matrix:\n', conf_mat)