CommencezCommencez gratuitement

Régression logistique pour des images

Dans cet exercice, vous allez entraîner un modèle de régression logistique sur un jeu de données sur le cancer du sein provenant de l'exercice précédent et évaluer sa justesse.

Les objets X_train, X_test, y_train et y_test que vous avez créés dans l'exercice précédent sont disponibles dans votre espace de travail, de même que sklearn et pandas sous pd. LogisticRegression est accessible via sklearn.linear_model.

Cette activité fait partie du cours

Prédire le CTR avec le Machine Learning en Python

Voir le cours

Instructions de l’exercice

  • Créez un classifieur de régression logistique.
  • Ajustez le classifieur avec les données d'entraînement pour produire des prédictions sur les données de test.
  • Attribuez les totaux des prédictions correctes et incorrectes entre les cibles d'entraînement et de test à num_right et num_wrong, respectivement.
  • Calculez la justesse à partir de num_right et num_wrong en utilisant sum().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create and fit a logistic regression classifier
clf = ____().____(X_train, y_train)

# Predict labels
y_pred = clf.____(X_test) 

# Get number of right and wrong predictions
num_right = (y_test == y_pred).____()
num_wrong = (y_test != y_pred).____()

# Compute and print accuracy
accuracy = 1.0 * num_right / (____ + ____)
print(accuracy)
Modifier et exécuter le code