مراجعة: اختبار الفحص

جزء من قسم التعلّم الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 26 من 58.

التحدي

متوسط

هل تتذكّر خلية الحالات التي لم تُكتشف التي افتتح بها هذا الفصل؟ تفحص عيادة عينات الأنسجة للكشف عن السرطان، وتُعدّ العينة الخبيثة التي لم تُكتشف أسوأ الأخطاء. يقرأ البرنامج قيمة الاستدعاء التي تحتاجها العيادة؛ ويحمل النموذج المبدئي العينات ويُطبّق عليها التحجيم (1 تعني خبيث) ويسرد thresholds، بدءًا بالأشد صرامة.

درّب نموذج انحدار لوجستي واطبع قيمة AUC الخاصة به.
اعثر على أول عتبة يصل عندها الاستدعاء إلى القيمة المطلوبة.
عند تلك العتبة، اطبع الأعداد والدقة كما هو موضح أدناه.

لعيادة أخرى ومع 0.9:

AUC: 0.981
Threshold: 0.4
Caught 47 of 51 malignant samples
False alarms: 2
Precision: 0.959

جرّب بنفسك

from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_auc_score, recall_score, precision_score, confusion_matrix

# معدل الاستدعاء الذي تحتاجه العيادة، مثل 0.95
needed = float(input())

# عينات الأنسجة: 1 في y تعني ورمًا خبيثًا، وهي الحالة التي يجب أن يكشفها الفحص
cancer = load_breast_cancer()
X = cancer.data
y = 1 - cancer.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0, stratify=y)
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# العتبات المطلوب تجربتها، بدءًا بالأكثر صرامة
thresholds = [0.5, 0.4, 0.3, 0.2, 0.1, 0.05]

# اكتب الكود الخاص بك أدناه