Evaluasi model: klasifikasi tidak seimbang

Berlatih Pertanyaan Wawancara Machine Learning dengan Python

Lisa Stuart

Data Scientist

Ketidakseimbangan kelas

• Variabel target kategorikal
  • Jumlah per kelas kira-kira seimbang
  • Perbedaan besar → hasil menyesatkan

Confusion matrix

¹ https://scaryscientist.blogspot.com/2016/03/confusion-matrix.html

Metrik kinerja

¹ https://scaryscientist.blogspot.com/2016/03/confusion-matrix.html

Metrik dari matriks

¹ https://scaryscientist.blogspot.com/2016/03/confusion-matrix.html

Teknik re-sampling

• Oversample kelas minoritas
• Undersample kelas mayoritas
• CATATAN: Bagi data menjadi train/test SEBELUM re-sampling!

¹ https://www.svds.com/learning-imbalanced-classes/

Fungsi

Fungsi	mengembalikan
sklearn.linear_model.LogisticRegression	regresi logistik
sklearn.metrics.confusion_matrix(y_test,y_pred)	confusion matrix
sklearn.metrics.precision_score(y_test,y_pred)	presisi
sklearn.metrics.recall_score(y_test,y_pred)	recall
sklearn.metrics.f1_score(y_test,y_pred)	skor f1
sklearn.utils.resample(deny, n_samples=len(approve))	re-sampling

Ayo berlatih!

Berlatih Pertanyaan Wawancara Machine Learning dengan Python