Vous allez maintenant ajuster le paramètre C pour la régularisation L1 afin de trouver celui qui réduit la complexité du modèle tout en conservant de bonnes métriques de performance. Vous exécuterez une boucle for sur les valeurs possibles de C, créerez une régression logistique pour chacune et calculerez les métriques de performance.

Une liste C a été créée avec les valeurs possibles. Le tableau l1_metrics a été construit avec 3 colonnes : la première contient les valeurs de C, et les deux suivantes servent d’emplacements pour le nombre de coefficients non nuls et le rappel du modèle. Les variables mises à l’échelle ont été chargées comme train_X, train_Y pour l’entraînement, et test_X, test_Y pour le test.

numpy et pandas sont chargés sous les alias np et pd, ainsi que la fonction recall_score de sklearn.

Fondamentaux de la prédiction du churn

Create Your Free Account