Метрики для незбалансованих класів
Незбалансованість класів може суттєво погіршити роботу моделі в будь-якому контексті машинного навчання. Це особливо актуально на співбесідах з машинного навчання, коли вас запитують, що робити, якщо вам дали набір даних із незбалансованими класами. Деякі типи даних навмисно мають такий дисбаланс, наприклад дані про страхове шахрайство.
У цій вправі ви скористаєтеся sklearn, щоб створити модель логістичної регресії та вивести матрицю помилок разом із кількома метриками оцінювання. Це допоможе краще зрозуміти, як інтерпретувати моделі машинного навчання на наборах даних із дисбалансом класів.
Згадайте дисбаланс класів, який ви бачили раніше в loan_data. Кількість спостережень зі статусом кредиту Fully Paid значно перевищує кількість Charged Off:
Ця вправа є частиною курсу
Практика співбесід з Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, _____