Zwei Tests bestehen
Versetz dich in die Lage einer Studentin oder eines Studenten. Du hast zwei Tests in unterschiedlichen Fächern vor dir und dir läuft die Zeit zum Lernen davon. Du willst wissen, wie viel Zeit du für jedes Fach einplanen solltest, um die Wahrscheinlichkeit zu maximieren, beide Tests zu bestehen. Zum Glück gibt es Daten, die du nutzen kannst.
Für Fach A hast du bereits ein logistisches Modell in model_A trainiert, und für Fach B ein Modell in model_B. Zusätzlich zu LogisticRegression aus sklearn.linear_model und numpy als np wurde expit(), die Umkehrfunktion der logistischen Funktion, aus scipy.special für dich importiert.
Diese Übung ist Teil des Kurses
<Kurs>Grundlagen der Wahrscheinlichkeit in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Specify values to predict
hours_of_study_test_A = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_A = model_A.predict(____)
print(predicted_outcomes_A)
# Specify values to predict
hours_of_study_test_B = [[____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_B = model_B.____(____)
print(predicted_outcomes_B)