Hacer predicciones
Cuando tu modelo esté listo, puedes usarlo para hacer predicciones para una campaña. Es importante usar siempre la información más reciente para predecir.
En este ejercicio, a partir de un modelo de regresión logística ya ajustado, aprenderás a hacer predicciones para una nueva base table actualizada.
El modelo de regresión logística que construiste en los ejercicios anteriores se ha añadido y ajustado por ti en logreg.
Este ejercicio forma parte del curso
Introducción al análisis predictivo en Python
Instrucciones del ejercicio
- Los datos más recientes están en
current_data. Crea un DataFramenew_dataque seleccione las columnas relevantes decurrent_data. - Asigna a
predictionslas predicciones para las observaciones ennew_data.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)
# Create a DataFrame new_data from current_data that has only the relevant predictors
new_data = ____[[____, ____, ____]]
# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])