Sestavení modelu logistické regrese

Model logistické regrese sestavíš pomocí modulu linear_model z knihovny sklearn. Nejprve vytvoříš model logistické regrese metodou LogisticRegression():

logreg = linear_model.LogisticRegression()

Pak modelu předáš data, na kterých se natrénuje. X obsahuje prediktory, y obsahuje cílovou proměnnou.

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

V tomto cvičení sestavíš svůj první prediktivní model pomocí tří prediktorů.

Toto cvičení je součástí kurzu

Introduction to Predictive Analytics in Python

Zobrazit kurz

Pokyny k cvičení

Importuj metodu linear_model z knihovny sklearn.
Tabulka je načtena jako basetable. Sloupec "gender" byl transformován na gender_F, aby bylo možné ho použít jako prediktor. Vytvoř DataFrame X, který bude obsahovat prediktory age, gender_F a time_since_last_gift.
Vytvoř DataFrame y, který bude obsahovat cílovou proměnnou.
Vytvoř model logistické regrese.
Natrénuj model logistické regrese na zadané tabulce.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import linear_model from sklearn.
from ____ import ____

# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]

# Create a DataFrame y that contains the target.
y = ____[[____]]

# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)

Upravit a spustit kód