Logistic Regression
在這個最後的課程中，你會用 VotingClassifier 把三種演算法結合成一個模型。這能同時利用各模型的不同優點，有望提升整體表現並偵測到更多詐欺。第一個模型 Logistic Regression 的召回率比我們最佳的 Random Forest 模型略高，但產生更多誤判（false positives）。你也會加入一個使用平衡權重的 Decision Tree。資料已經切分為訓練集與測試集，也就是 X_train、y_train、X_test、y_test 都已可使用。
為了了解 Voting Classifier 如何可能改進你原本的模型，你應先檢視 Logistic Regression 單獨訓練的結果。
本練習屬於課程
Fraud Detection in Python
練習說明
- 定義一個 LogisticRegression 模型，對詐欺類別設定 1:15 的類別權重。
- 將模型擬合到訓練集，並取得模型的預測結果。
- 列印分類報告與混淆矩陣。
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。
# 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)