使用管道
现在您已经定义好了管道，即将逻辑回归与 SMOTE 方法相结合，让我们在数据上运行它。您可以把这个管道当作一个单一的机器学习模型来使用。我们的数据 X 和 y 已经定义好，管道也在上一个练习中定义完成。想看看模型的结果吗？试试看吧！
本练习是课程的一部分
Python 中的欺诈检测
练习说明
- 将数据
X和y划分为训练集和测试集。保留 30% 的数据作为测试集，并将random_state设为 0。 - 在训练数据上拟合您的管道，并通过在
X_test数据集上运行pipeline.predict()来获得预测结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)