Réaliser des prédictions
Une fois votre modèle prêt, vous pouvez l’utiliser pour faire des prédictions pour une campagne. Il est essentiel d’utiliser des informations à jour pour prédire.
Dans cet exercice, à partir d’un modèle de régression logistique entraîné, vous allez apprendre à produire des prédictions pour une nouvelle base de données mise à jour.
Le modèle de régression logistique que vous avez construit dans les exercices précédents a été ajouté et entraîné pour vous dans logreg.
Cet exercice fait partie du cours
Introduction à l’analytique prédictive en Python
Instructions
- Les données les plus récentes se trouvent dans
current_data. Créez un DataFramenew_dataen sélectionnant les colonnes pertinentes decurrent_data. - Affectez à
predictionsles prédictions pour les observations denew_data.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)
# Create a DataFrame new_data from current_data that has only the relevant predictors
new_data = ____[[____, ____, ____]]
# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])