整合所有重點
你創辦的心律不整偵測新創公司裡，有位工程師匆忙跑來告訴你：對體重過重的使用者，ECG 感測器出現了問題。你決定把體重超過 80 的樣本影響力降低 50%。另外，由於公司鎖定健身市場，且未宣稱醫療用途，對運動員造成不必要的驚嚇比錯過一個可能的心律不整案例還要昂貴。你決定建立一個自訂損失函式，讓每個「誤報」的代價是錯失心律不整案例的 10 倍。將體重過重受試者的樣本降權後，是否能改善這個自訂損失？訓練資料 X_train、y_train 與測試資料 X_test、y_test 已預先載入，confusion_matrix()、numpy（作為 np）以及 DecisionTreeClassifier() 也都已載入。
本練習屬於課程
在 Python 設計機器學習工作流程
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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 ____