Faire des prédictions
Une fois votre modèle prêt, vous pouvez l'utiliser pour faire des prédictions pour une campagne. Il est important d'utiliser en tout temps les renseignements les plus récents pour prédire.
Dans cet exercice, à partir d'un modèle de régression logistique déjà ajusté, vous apprendrez à produire des prédictions pour une nouvelle base de données de référence mise à jour.
Le modèle de régression logistique que vous avez construit dans les exercices précédents a été ajouté et ajusté pour vous dans logreg.
Cette activité fait partie du cours
Introduction à l'analytique prédictive en Python
Instructions de l’exercice
- Les données les plus récentes se trouvent dans
current_data. Créez une trame de donnéesnew_dataqui sélectionne les colonnes pertinentes à partir decurrent_data. - Assignez à
predictionsles prédictions pour les observations dansnew_data.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)
# Create a DataFrame new_data from current_data that has only the relevant predictors
new_data = ____[[____, ____, ____]]
# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])