Récapitulatif : test de dépistage

Fait partie de la section Apprentissage supervisé du Journey Machine Learning de Coddy. Leçon 26 sur 58.

Défi

Moyen

Tu te souviens de la cellule des cas manqués qui ouvrait ce chapitre ? Une clinique dépiste le cancer dans des échantillons de tissus, et manquer un échantillon malin est la pire erreur. Le programme lit le rappel dont la clinique a besoin ; le code de départ charge et met à l’échelle les échantillons (1 signifie malin) et liste les thresholds, du plus strict au moins strict.

Entraîne une régression logistique et affiche son AUC.
Trouve le premier seuil dont le rappel atteint le niveau requis.
À ce seuil, affiche les nombres et la précision comme ci-dessous.

Pour une autre clinique et 0.9 :

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

Essayez vous-même

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

# Le rappel requis par la clinique, par exemple 0.95
needed = float(input())

# Échantillons de tissu : 1 dans y signifie malin, le cas que le dépistage doit détecter
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)

# Seuils à essayer, en commençant par le plus strict
thresholds = [0.5, 0.4, 0.3, 0.2, 0.1, 0.05]

# Écrivez votre code ci-dessous