Rendimiento del modelo
Ahora vas a evaluar el modelo de la lección anterior con los datos de prueba.
Evaluar con datos nuevos y no vistos es importante, porque demuestra la capacidad del modelo para estimar correctamente datos que nunca ha encontrado.
Todos los módulos necesarios ya se han importado y los datos están disponibles como X_train y y_train, y X_test y y_test, respectivamente.
Este ejercicio forma parte del curso
Análisis de datos de IoT en Python
Instrucciones del ejercicio
- Crea un modelo de
LogisticRegression. - Ajusta el modelo con
X_trainyy_train. - Evalúa el modelo con
X_trainyy_trainusando.score(). - Evalúa el modelo con
X_testyy_testusando.score().
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Create LogisticRegression model
logreg = ____()
# Fit the model
logreg.____(____, ____)
# Score the model
print(logreg.____(____, ____))
print(____)