LoslegenKostenlos starten

Vorhersagen, ob Studierende bestehen

In der letzten Übung hast du die Parameter des Logistik-Regressionmodells berechnet, das zu den Daten aus Lernstunden und Testergebnissen passt.

Mit diesen Parametern kannst du die Leistung von Studierenden basierend auf ihren Lernstunden vorhersagen. Verwende model.predict(), um die Ergebnisse der logistischen Regression zu erhalten.

Zur Vereinfachung wurde LogisticRegression aus sklearn.linear_model importiert und numpy als np eingebunden.

Diese Übung ist Teil des Kurses

<Kurs>Grundlagen der Wahrscheinlichkeit in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erstelle ein Array mit den Werten 10, 11, 12, 13 und 14, um die Testergebnisse für diese Anzahl an Lernstunden vorherzusagen.
  • Verwende model.predict(), um die Ergebnisse aus dem Modell zu erhalten, und gib die Ergebnisse aus.
  • Verwende model.predict_proba(), um die Wahrscheinlichkeit zu bestimmen, die Prüfung mit 11 Lernstunden zu bestehen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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])
Code bearbeiten und ausführen