Logistische Regression
Weiter geht’s mit der logistischen Regression. Du arbeitest wieder mit dem gleichen weather-Datensatz, aber diesmal sollst du vorhersagen, ob es morgen regnen wird. Wir haben bereits Train- und Test-Sets für dich erstellt. Deine erklärenden Variablen sind die Features Humidity9am und Humidity3pm.
Außerdem ist der Datensatz bereits normalisiert, damit wir die Koeffizienten später besser interpretieren können. Das ist ein guter Punkt, den du im Interview erwähnen kannst, wenn du über Regression zur Inferenz sprichst.
Diese Übung ist Teil des Kurses
Statistik-Interviewfragen in Python üben
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
from sklearn.linear_model import LogisticRegression
# Create and fit your model
clf = ____
clf.fit(____, ____)