Réussir deux examens
Mettez-vous dans la peau d'une ou d'un étudiant universitaire. Vous avez deux examens à venir dans des matières différentes et vous manquez de temps pour étudier. Vous voulez savoir combien de temps consacrer à chaque matière afin de maximiser la probabilité de réussir les deux examens. Heureusement, vous disposez de données utiles.
Pour la matière A, vous avez déjà ajusté un modèle logistique dans model_A, et pour la matière B, un modèle dans model_B. En plus du préchargement de LogisticRegression depuis sklearn.linear_model et de numpy sous np, expit(), l'inverse de la fonction logistique, a été importée pour vous depuis scipy.special.
Cette activité fait partie du cours
Fondements de la probabilité en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Specify values to predict
hours_of_study_test_A = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_A = model_A.predict(____)
print(predicted_outcomes_A)
# Specify values to predict
hours_of_study_test_B = [[____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_B = model_B.____(____)
print(predicted_outcomes_B)