1. Learn
    2. /
  2. Курси
    3. /
  3. Introduction à l'analytique prédictive en Python
Connected

Вправа

Créer un modèle de régression logistique

Vous pouvez créer un modèle de régression logistique à l'aide du module linear_model de sklearn. D'abord, vous instanciez un modèle de régression logistique avec la méthode LogisticRegression() :

logreg = linear_model.LogisticRegression()

Ensuite, vous devez fournir des données au modèle de régression logistique pour pouvoir l'ajuster. X contient les variables prédictives, tandis que y contient la cible.

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

Dans cet exercice, vous allez construire votre premier modèle prédictif en utilisant trois prédicteurs.

Інструкції

100 XP
  • Importez la méthode linear_model de sklearn.
  • La base de données est chargée sous basetable. Notez que la colonne « gender » a été transformée en gender_F afin de pouvoir être utilisée comme prédicteur. Construisez un DataFrame X qui contient les prédicteurs age, gender_F et time_since_last_gift.
  • Construisez un DataFrame y qui contient la cible.
  • Créez un modèle de régression logistique.
  • Ajustez le modèle de régression logistique sur la basetable fournie.