Crear un modelo de regresión logística

Puedes crear un modelo de regresión logística usando el módulo linear_model de sklearn. Primero, crea un modelo de regresión logística con el método LogisticRegression():

logreg = linear_model.LogisticRegression()

Después, necesitas pasarle datos al modelo de regresión logística para poder ajustarlo. X contiene las variables predictoras, mientras que y incluye la variable objetivo.

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

En este ejercicio vas a construir tu primer modelo predictivo usando tres predictores.

Este ejercicio forma parte del curso

Introducción al análisis predictivo en Python

Ver curso

Instrucciones del ejercicio

Importa el método linear_model de sklearn.
La base de datos está cargada como basetable. Ten en cuenta que la columna "gender" se ha transformado a gender_F para poder usarla como predictor. Construye un DataFrame X que contenga los predictores age, gender_F y time_since_last_gift.
Construye un DataFrame y que contenga el objetivo.
Crea un modelo de regresión logística.
Ajusta el modelo de regresión logística con la basetable indicada.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import linear_model from sklearn.
from ____ import ____

# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]

# Create a DataFrame y that contains the target.
y = ____[[____]]

# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)

Editar y ejecutar código