Performance du modèle

Vous allez maintenant évaluer le modèle de la leçon précédente sur les données de test.

Évaluer un modèle sur de nouvelles données qu'il n'a jamais vues est essentiel, car cela démontre sa capacité à bien estimer des données inconnues.

Tous les modules nécessaires ont été importés, et les données sont disponibles sous X_train et y_train, ainsi que X_test et y_test.

Cette activité fait partie du cours

Analyse de données IoT avec Python

Voir le cours

Instructions de l’exercice

Créez un modèle LogisticRegression.
Ajustez le modèle avec X_train et y_train.
Calculez la cote du modèle avec X_train et y_train.
Calculez la cote du modèle avec X_test et y_test.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create LogisticRegression model
logreg = ____()

# Fit the model
logreg.____(____, ____)

# Score the model
print(logreg.____(____, ____))
print(____)

Modifier et exécuter le code