Trénování modelu logistické regrese
Logistická regrese je jednoduchý, ale velmi výkonný klasifikační model, který se uplatňuje v mnoha různých situacích. Teď natrénuješ logistickou regresi na trénovací části datasetu odchodu zákazníků telecomové společnosti, predikuješ popisky na dosud neviděné testovací sadě a nakonec vypočítáš přesnost svých predikcí.
Funkce accuracy_score je již importována a instance LogisticRegression ze sklearn je inicializovaná jako logreg. Trénovací a testovací datasety, které jsi sestavil/a dříve, jsou načteny jako train_X a test_X pro příznaky a train_Y a test_Y pro cílové proměnné.
Toto cvičení je součástí kurzu
Machine Learning for Marketing in Python
Pokyny k cvičení
- Natrénuj logistickou regresi na trénovacích datech.
- Predikuj popisky odchodu zákazníků pro testovací data.
- Vypočítej skóre přesnosti na testovacích datech.
- Vypiš přesnost na testovací sadě zaokrouhlenou na 4 desetinná místa.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Fit logistic regression on training data
logreg.___(train_X, train_Y)
# Predict churn labels on testing data
pred_test_Y = ___.predict(test_X)
# Calculate accuracy score on testing data
test_accuracy = ___(test_Y, pred_test_Y)
# Print test accuracy score rounded to 4 decimals
print('Test accuracy:', ___(test_accuracy, 4))