Mulai sekarangMulai gratis

Mencocokkan model logistik

Universitas yang meneliti hubungan antara jam belajar dan hasil pada suatu tes memberikan kepada Anda himpunan data yang berisi jumlah jam belajar mahasiswa serta apakah mereka gagal atau lulus tes, dan meminta Anda untuk mencocokkan model guna memprediksi kinerja di masa mendatang.

Data tersedia dalam variabel hours_of_study dan outcomes. Gunakan data ini untuk mencocokkan model LogisticRegression. numpy telah diimpor sebagai np untuk memudahkan Anda.

Latihan ini merupakan bagian dari kursus

Dasar-Dasar Probabilitas di Python

Lihat Kursus

Instruksi latihan

  • Impor LogisticRegression dari sklearn.linear_model.
  • Buat model menggunakan LogisticRegression(C=1e9).
  • Masukkan data ke metode model.fit().
  • Buat variabel untuk setiap parameter, tetapkan nilai dari model, lalu cetak parameter beta1 dan beta0.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import LogisticRegression
from sklearn.linear_model import ____

# sklearn logistic model
model = ____(C=1e9)
model.____(____, ____)

# Get parameters
beta1 = model.coef_[0][0]
beta0 = model.intercept_[0]

# Print parameters
print(____, ____)
Edit dan Jalankan Kode