शुरू करेंमुफ़्त में शुरू करें

Logistic regression मॉडल बनाना

आप sklearn के linear_model module का उपयोग करके एक logistic regression मॉडल बना सकते हैं. सबसे पहले, LogisticRegression() method से logistic regression मॉडल बनाएँ:

logreg = linear_model.LogisticRegression()

इसके बाद, मॉडल को fit करने के लिए आपको डेटा देना होगा. X में predictive variables होते हैं, जबकि y में target रहता है. 

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

इस अभ्यास में आप तीन predictors का उपयोग करके अपना पहला predictive मॉडल बनाएँगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में प्रिडिक्टिव एनालिटिक्स परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn से linear_model method import करें.
  • basetable basetable के रूप में लोड है. ध्यान दें कि "gender" कॉलम को gender_F में बदला गया है ताकि उसे predictor के रूप में इस्तेमाल किया जा सके. एक DataFrame X बनाइए जिसमें predictors age, gender_F और time_since_last_gift हों.
  • एक DataFrame y बनाइए जिसमें target हो.
  • एक logistic regression मॉडल बनाएँ.
  • दिए गए basetable पर logistic regression मॉडल fit करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import linear_model from sklearn.
from ____ import ____

# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]

# Create a DataFrame y that contains the target.
y = ____[[____]]

# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)
कोड संपादित करें और चलाएँ