Vorhersagen treffen
Sobald dein Modell bereit ist, kannst du es verwenden, um Vorhersagen für eine Kampagne zu treffen. Dabei ist es wichtig, immer die aktuellsten Informationen zu nutzen.
In dieser Übung lernst du, wie du mit einem angepassten logistischen Regressionsmodell Vorhersagen für eine neue, aktualisierte Basistabelle erstellst.
Das logistische Regressionsmodell, das du in den vorherigen Übungen gebaut hast, wurde in logreg für dich hinzugefügt und angepasst.
Diese Übung ist Teil des Kurses
Einführung in Predictive Analytics mit Python
Anleitung zur Übung
- Die neuesten Daten stehen in
current_data. Erstelle ein DataFramenew_data, das die relevanten Spalten auscurrent_dataauswählt. - Weise
predictionsdie Vorhersagen für die Beobachtungen innew_datazu.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)
# Create a DataFrame new_data from current_data that has only the relevant predictors
new_data = ____[[____, ____, ____]]
# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])