Logistic Regression
У цьому останньому уроці ви об'єднаєте три алгоритми в одну модель за допомогою VotingClassifier. Це дає змогу використати сильні сторони кожної моделі й, сподіваємося, підвищити загальну якість і виявити більше шахрайських операцій. Перша модель — Logistic Regression — має дещо вищий recall, ніж наша оптимальна модель Random Forest, але створює значно більше хибних спрацьовувань. Ви також додасте до ансамблю Decision Tree зі збалансованими вагами. Дані вже розділено на тренувальну та тестову вибірки, тобто доступні X_train, y_train, X_test, y_test.
Щоб зрозуміти, як Voting Classifier може потенційно поліпшити початкову модель, спочатку перевірте окремі результати моделі Logistic Regression.
Ця вправа є частиною курсу
Виявлення шахрайства в Python
Інструкції до вправи
- Визначте модель LogisticRegression із вагами класів 1:15 для випадків шахрайства.
- Навчіть модель на тренувальній вибірці та отримайте передбачення моделі.
- Виведіть звіт класифікації та матрицю неточностей.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)