शुरू करेंमुफ़्त में शुरू करें

Logistic regression मॉडल फिट करें

Logistic regression एक सरल लेकिन बहुत शक्तिशाली classification मॉडल है जिसका उपयोग कई तरह के use cases में होता है. अब आप telecom churn डेटासेट के training भाग पर एक logistic regression फिट करेंगे, और फिर अनदेखे test सेट पर लेबल्स predict करेंगे. इसके बाद, आप अपने मॉडल की predictions की accuracy निकालेंगे.

accuracy_score फंक्शन इम्पोर्ट किया जा चुका है, और sklearn से LogisticRegression का एक instance logreg के रूप में इनिशियलाइज़ किया गया है. आपने पहले तैयार किए गए training और testing डेटासेट्स को features के लिए train_X और test_X, और target वैरिएबल्स के लिए train_Y और test_Y नाम से लोड किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में मार्केटिंग के लिए मशीन लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Training डेटा पर एक logistic regression फिट करें.
  • Test डेटा के लिए churn लेबल्स predict करें.
  • Testing डेटा पर accuracy score निकालें.
  • Test accuracy को 4 दशमलव तक राउंड करके प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Fit logistic regression on training data
logreg.___(train_X, train_Y)

# Predict churn labels on testing data
pred_test_Y = ___.predict(test_X)

# Calculate accuracy score on testing data
test_accuracy = ___(test_Y, pred_test_Y)

# Print test accuracy score rounded to 4 decimals
print('Test accuracy:', ___(test_accuracy, 4))
कोड संपादित करें और चलाएँ