CommencezCommencez gratuitement

Ajuster un modèle logistique

L'université qui étudie la relation entre le nombre d'heures d'étude et les résultats à un test donné vous a fourni un jeu de données contenant le nombre d'heures étudiées par les étudiants et s'ils ont échoué ou réussi le test, et vous a demandé d'ajuster un modèle pour prédire la performance future.

Les données sont fournies dans les variables hours_of_study et outcomes. Utilisez ces données pour ajuster un modèle LogisticRegression. numpy a été importé sous le nom np pour vous faciliter la tâche.

Cette activité fait partie du cours

Fondements de la probabilité en Python

Voir le cours

Instructions de l’exercice

  • Importez LogisticRegression depuis sklearn.linear_model.
  • Créez le modèle avec LogisticRegression(C=1e9).
  • Passez les données à la méthode model.fit().
  • Créez des variables pour chaque paramètre, assignez les valeurs à partir du modèle et affichez les paramètres beta1 et beta0.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Modifier et exécuter le code