類別不平衡的評估指標

在任何機器學習情境中，類別不平衡都可能拖累模型效能。這在機器學習面試中特別常見：如果面試官給你一個類別不平衡的資料集，會問你該怎麼做。例如保險詐欺資料天生就不平衡。

在這個練習中，你將使用 sklearn 建立邏輯斯回歸模型，並列印混淆矩陣與多個評估指標，幫助你更清楚地解讀來自類別不平衡資料集的機器學習模型。

回想你先前在 loan_data 看到的類別不平衡。Loan Status 為 Fully Paid 的觀測值遠多於 Charged Off：

Class imbalance

本練習屬於課程

用 Python 練習機器學習面試題

試著完成這個範例程式碼，體驗一下這個練習。

# Import
from sklearn.____ import ____
from sklearn.____ import ____, ____, ____, ____, _____