Aprobar dos exámenes
Ponte en la piel de un estudiante universitario. Tienes dos exámenes de distintas asignaturas y te estás quedando sin tiempo para estudiar. Quieres saber cuánto tiempo dedicar a cada una para maximizar la probabilidad de aprobar ambos. Por suerte, tienes datos que puedes usar.
Para la asignatura A, ya ajustaste un modelo logístico en model_A, y para la asignatura B ajustaste un modelo en model_B. Además de tener precargados LogisticRegression de sklearn.linear_model y numpy como np, también se ha importado para ti expit(), la inversa de la función logística, desde scipy.special.
Este ejercicio forma parte del curso
Fundamentos de probabilidad en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Specify values to predict
hours_of_study_test_A = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_A = model_A.predict(____)
print(predicted_outcomes_A)
# Specify values to predict
hours_of_study_test_B = [[____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_B = model_B.____(____)
print(predicted_outcomes_B)