Začněte nyníZačněte zdarma

Předpovídáme, kdo projde testem

V předchozím cvičení jsi vypočítal/a parametry modelu logistické regrese, který odpovídá datům o hodinách studia a výsledcích testů.

S těmito parametry můžeš předpovídat výkon studentů na základě počtu hodin studia. Použij model.predict() k získání výsledků pomocí logistické regrese.

Pro tvoje pohodlí byl LogisticRegression naimportován z sklearn.linear_model a numpy jako np.

Toto cvičení je součástí kurzu

Základy pravděpodobnosti v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř pole s hodnotami 10, 11, 12, 13 a 14, aby ses mohl/a podívat na předpovědi výsledků testu pro různé počty hodin studia.
  • Použij model.predict() k získání výsledků z modelu a vypiš je.
  • Použij model.predict_proba() k získání pravděpodobnosti úspěšného složení testu při 11 hodinách studia.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Specify values to predict
hours_of_study_test = [[____], [____], [____], [____], [____]]

# Pass values to predict
predicted_outcomes = model.____(____)
print(predicted_outcomes)

# Set value in array
value = np.asarray(11).reshape(-1,1)
# Probability of passing the test with 11 hours of study
print("Probability of passing test ", model.____(value)[:,1])
Upravit a spustit kód