Régression logistique
En repartant des données de l’exercice précédent, vous allez maintenant entraîner un modèle de Machine Learning.
Conformément aux bonnes pratiques, les données sont disponibles dans X_train, et les étiquettes ont été chargées dans y_train.
Un sous-ensemble des données est également disponible dans X_test. Vous apprendrez plus loin dans ce chapitre à créer correctement ces variables.
Cet exercice fait partie du cours
<cours>Analyzing IoT Data in Python</cours>Instructions de l’exercice
- Importez
LogisticRegressiondepuissklearn.linear_model. - Initialisez le modèle dans
logreg. - Entraînez le modèle sur
X_trainavec les étiquettesy_train. - Prédisez des classes à l’aide de
X_test.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import LogisticRegression
from ____ import ____
# Initialize the model
logreg = ____
# Fit the model
____.____(____, ____)
# Predict classes
print(____.____(____))