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

<Kurs>Einführung in Predictive Analytics mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Die neuesten Daten stehen in current_data. Erstelle ein DataFrame new_data, das die relevanten Spalten aus current_data auswählt.
Weise predictions die Vorhersagen für die Beobachtungen in new_data zu.

Interaktive praktische Übung

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

# 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])

Code bearbeiten und ausführen