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

Analyzing IoT Data in Python

Afficher le cours

Instructions

Créez un modèle LogisticRegression.
Ajustez le modèle sur X_train et y_train.
Évaluez le modèle avec X_train et y_train en utilisant .score().
Évaluez le modèle avec X_test et y_test en utilisant .score().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Create LogisticRegression model
logreg = ____()

# Fit the model
logreg.____(____, ____)

# Score the model
print(logreg.____(____, ____))
print(____)

Modifier et exécuter le code