Використання конвеєра (pipeline)
Тепер, коли ви маєте визначений конвеєр — тобто поєднання логістичної регресії з методом SMOTE, — запустімо його на даних. Ви можете працювати з конвеєром так, ніби це єдина модель машинного навчання. Наші дані X і y уже визначені, а конвеєр створено в попередній вправі. Хочете подивитися на результати моделі? Спробуймо!
Ця вправа є частиною курсу
Виявлення шахрайства в Python
Інструкції до вправи
- Розбийте дані
Xіyна тренувальну та тестову вибірки. Відкладіть 30% даних у тестову вибірку та встановітьrandom_stateрівним нулю. - Навчіть ваш конвеєр на тренувальних даних і отримайте передбачення, виконавши функцію
pipeline.predict()на нашому наборіX_test.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Split your data X and y, into a training and a test set and fit the pipeline onto the training data
X_train, X_test, y_train, y_test = ____
# Fit your pipeline onto your training set and obtain predictions by fitting the model onto the test data
pipeline.fit(____, ____)
predicted = pipeline.____(____)
# Obtain the results from the classification report and confusion matrix
print('Classifcation report:\n', classification_report(y_test, predicted))
conf_mat = confusion_matrix(y_true=y_test, y_pred=predicted)
print('Confusion matrix:\n', conf_mat)