Verwendung verschiedener Variablensätze

Mehr Variablen und damit mehr Komplexität zu deinem logistischen Regressionsmodell hinzuzufügen, führt nicht automatisch zu genaueren Modellen. In dieser Übung kannst du überprüfen, ob das Hinzufügen von 3 Variablen zu einem Modell tatsächlich zu einem genaueren Modell führt.

variables_1 und variables_2 stehen in deiner Umgebung bereit: Du kannst sie in der Konsole ausgeben, um dir anzusehen, wie sie aussehen.

Diese Übung ist Teil des Kurses

Einführung in Predictive Analytics mit Python

Kurs anzeigen

Anleitung zur Übung

Passe das logreg-Modell mit variables_2 an, das im Vergleich zu variables_1 3 zusätzliche Variablen enthält.
Erstelle Vorhersagen für dieses Modell.
Berechne die AUC dieses Modells.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create appropriate DataFrames
X_1 = basetable[variables_1]
X_2 = basetable[variables_2]
y = basetable[["target"]]

# Create the logistic regression model
logreg = linear_model.LogisticRegression()

# Make predictions using the first set of variables and assign the AUC to auc_1
logreg.fit(X_1, y)
predictions_1 = logreg.predict_proba(X_1)[:,1]
auc_1 = roc_auc_score(y, predictions_1)

# Make predictions using the second set of variables and assign the AUC to auc_2
logreg.____(____, ____)
predictions_2 = ____.____(____)[____,____]
auc_2 = ____(____, ____)

# Print auc_1 and auc_2
print(round(auc_1,2))
print(round(auc_2,2))

Code bearbeiten und ausführen