CommencezCommencez gratuitement

Prédire si des étudiantes et étudiants réussiront

Dans l'exercice précédent, vous avez calculé les paramètres du modèle de régression logistique qui s'ajuste aux données sur les heures d'étude et les résultats à l'examen.

Avec ces paramètres, vous pouvez prédire la performance des étudiantes et étudiants en fonction de leurs heures d'étude. Utilisez model.predict() pour obtenir les résultats à partir de la régression logistique.

Pour vous faciliter la tâche, LogisticRegression a été importé de sklearn.linear_model et numpy a été importé sous le nom np.

Cette activité fait partie du cours

Fondements de la probabilité en Python

Voir le cours

Instructions de l’exercice

  • Créez un tableau avec les valeurs 10, 11, 12, 13 et 14 pour prédire les résultats d'un examen selon ces nombres d'heures d'étude.
  • Utilisez model.predict() pour obtenir les résultats du modèle et affichez ces résultats.
  • Utilisez model.predict_proba() pour obtenir la probabilité de réussir l'examen avec 11 heures d'étude.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Specify values to predict
hours_of_study_test = [[____], [____], [____], [____], [____]]

# Pass values to predict
predicted_outcomes = model.____(____)
print(predicted_outcomes)

# Set value in array
value = np.asarray(11).reshape(-1,1)
# Probability of passing the test with 11 hours of study
print("Probability of passing test ", model.____(value)[:,1])
Modifier et exécuter le code