Usar distintos conjuntos de variables

Añadir más variables y, por tanto, más complejidad a tu modelo de regresión logística no da automáticamente modelos más precisos. En este ejercicio puedes comprobar si añadir 3 variables a un modelo conduce a un modelo más preciso.

variables_1 y variables_2 están disponibles en tu entorno: puedes imprimirlas en la consola para ver cómo son.

Este ejercicio forma parte del curso

Introducción al análisis predictivo en Python

Ver curso

Instrucciones del ejercicio

Ajusta el modelo logreg usando variables_2, que contiene 3 variables adicionales en comparación con variables_1.
Realiza predicciones para este modelo.
Calcula el AUC de este modelo.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Create appropriate DataFrames
X_1 = basetable[variables_1]
X_2 = basetable[variables_2]
y = basetable[["target"]]

# Create the logistic regression model
logreg = linear_model.LogisticRegression()

# Make predictions using the first set of variables and assign the AUC to auc_1
logreg.fit(X_1, y)
predictions_1 = logreg.predict_proba(X_1)[:,1]
auc_1 = roc_auc_score(y, predictions_1)

# Make predictions using the second set of variables and assign the AUC to auc_2
logreg.____(____, ____)
predictions_2 = ____.____(____)[____,____]
auc_2 = ____(____, ____)

# Print auc_1 and auc_2
print(round(auc_1,2))
print(round(auc_2,2))

Editar y ejecutar código