LoslegenKostenlos loslegen

Logistische Regression für Bilder

In dieser Übung baust du ein Modell der logistischen Regression auf einem Brustkrebs-Datensatz aus der letzten Übung und bewertest seine Genauigkeit.

Die X_train, X_test, y_train und y_test, die du in der letzten Übung erstellt hast, stehen dir in deiner Arbeitsumgebung zur Verfügung, außerdem sklearn und pandas als pd. LogisticRegression ist über sklearn.linear_model verfügbar.

Diese Übung ist Teil des Kurses

CTR-Vorhersage mit Machine Learning in Python

Kurs anzeigen

Anleitung zur Übung

  • Erstelle einen Klassifikator der logistischen Regression.
  • Fitte den Klassifikator mit den Trainingsdaten, um Vorhersagen für die Testdaten zu machen.
  • Weise die Summen der richtigen und falschen Vorhersagen zwischen Trainings- und Test-Zielen jeweils num_right und num_wrong zu.
  • Berechne die Genauigkeit mithilfe von num_right und num_wrong unter Verwendung von sum().

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create and fit a logistic regression classifier
clf = ____().____(X_train, y_train)

# Predict labels
y_pred = clf.____(X_test) 

# Get number of right and wrong predictions
num_right = (y_test == y_pred).____()
num_wrong = (y_test != y_pred).____()

# Compute and print accuracy
accuracy = 1.0 * num_right / (____ + ____)
print(accuracy)
Code bearbeiten und ausführen