LoslegenKostenlos loslegen

Ein logistisches Modell fitten

Die Universität, die den Zusammenhang zwischen Lernstunden und Ergebnissen in einem bestimmten Test untersucht, hat dir einen Datensatz mit der Anzahl der Lernstunden der Studierenden und der Information, ob sie den Test bestanden oder nicht bestanden haben, zur Verfügung gestellt und dich gebeten, ein Modell zur Vorhersage zukünftiger Leistungen zu fitten.

Die Daten findest du in den Variablen hours_of_study und outcomes. Verwende diese Daten, um ein LogisticRegression-Modell zu fitten. numpy wurde der Einfachheit halber als np importiert.

Diese Übung ist Teil des Kurses

Grundlagen der Wahrscheinlichkeit in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere LogisticRegression aus sklearn.linear_model.
  • Erstelle das Modell mit LogisticRegression(C=1e9).
  • Übergib die Daten an die Methode model.fit().
  • Erstelle Variablen für jeden Parameter, weise ihnen die Werte aus dem Modell zu und gib die Parameter beta1 und beta0 aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Code bearbeiten und ausführen