ComenzarEmpieza gratis

Ajustar un modelo logístico

La universidad que estudia la relación entre las horas de estudio y los resultados en un examen te ha proporcionado un conjunto de datos con el número de horas que estudiaron los estudiantes y si suspendieron o aprobaron el examen, y te ha pedido que ajustes un modelo para predecir el rendimiento futuro.

Los datos están en las variables hours_of_study y outcomes. Usa estos datos para ajustar un modelo LogisticRegression. numpy se ha importado como np para tu comodidad.

Este ejercicio forma parte del curso

Fundamentos de probabilidad en Python

Ver curso

Instrucciones del ejercicio

  • Importa LogisticRegression de sklearn.linear_model.
  • Crea el modelo usando LogisticRegression(C=1e9).
  • Pasa los datos al método model.fit().
  • Crea variables para cada parámetro, asigna los valores del modelo e imprime los parámetros beta1 y beta0.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Editar y ejecutar código