Vous allez maintenant ajuster le paramètre C pour la régularisation L1 afin de trouver celui qui réduit la complexité du modèle tout en maintenant de bonnes mesures de performance. Vous exécuterez une boucle for sur les valeurs possibles de C et construirez une régression logistique pour chacune, puis calculerez les mesures de performance.

Une liste C a été créée avec les valeurs possibles. Le tableau l1_metrics a été construit avec 3 colonnes : la première contient les valeurs de C, et les deux suivantes servent d'espaces réservés pour le nombre de coefficients non nuls et le rappel (recall) du modèle. Les variables de caractéristiques normalisées et la cible ont été chargées comme train_X, train_Y pour l'entraînement, et test_X, test_Y pour le test.

numpy et pandas sont chargés sous les alias np et pd, ainsi que la fonction recall_score de sklearn.

Prédire l'attrition avec une régression logistique

Create Your Free Account