Performance du modèle
Vous allez maintenant évaluer le modèle de la leçon précédente sur les données de test.
Évaluer un modèle sur de nouvelles données, jamais vues, est essentiel, car cela prouve sa capacité à estimer correctement des données qu’il n’a jamais rencontrées.
Tous les modules nécessaires ont été importés, et les données sont disponibles sous la forme de X_train et y_train, ainsi que X_test et y_test.
Cet exercice fait partie du cours
<cours>Analyzing IoT Data in Python</cours>Instructions de l’exercice
- Créez un modèle
LogisticRegression. - Ajustez le modèle sur
X_trainety_train. - Évaluez le modèle avec
X_trainety_trainen utilisant.score(). - Évaluez le modèle avec
X_testety_testen utilisant.score().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create LogisticRegression model
logreg = ____()
# Fit the model
logreg.____(____, ____)
# Score the model
print(logreg.____(____, ____))
print(____)