Підсумуємо все разом
Один з інженерів у вашому стартапі з виявлення аритмії забігає до вашого офісу й повідомляє, що є проблема з датчиком ЕКГ для користувачів із зайвою вагою. Ви вирішуєте зменшити вплив прикладів із вагою понад 80 на 50%. Також вам кажуть, що, оскільки ваш стартап орієнтується на фітнес-ринок і не робить медичних заяв, зайвий переляк спортсмена коштує дорожче, ніж пропустити можливий випадок аритмії. Ви вирішуєте створити власну функцію втрат, у якій кожна «хибна тривога» удесятеро дорожча за пропуск випадку аритмії. Чи покращує зменшення ваги для людей із надмірною вагою це користувацьке значення втрат? Ваші тренувальні дані X_train, y_train і тестові дані X_test, y_test уже завантажені, так само як confusion_matrix(), numpy як np і DecisionTreeClassifier().
Ця вправа є частиною курсу
Проєктування робочих процесів машинного навчання в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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 ____