Régression logistique
Passons à la régression logistique. Vous allez de nouveau travailler avec le même jeu de données weather, mais l’objectif est ici de prédire s’il va pleuvoir demain. Nous avons déjà créé vos ensembles d’entraînement et de test. Vos variables explicatives sont les caractéristiques Humidity9am et Humidity3pm.
Notez également que le jeu de données a déjà été normalisé afin de pouvoir interpréter les coefficients par la suite. C’est un point pertinent à mentionner en entretien lorsque vous parlez de régression à des fins d’inférence.
Cet exercice fait partie du cours
S’entraîner aux questions d’entretien en statistiques avec Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
from sklearn.linear_model import LogisticRegression
# Create and fit your model
clf = ____
clf.fit(____, ____)