Pelanggaran linimasa

Untuk mengilustrasikan pentingnya linimasa, pertimbangkan contoh ketika Anda melanggar linimasa dan menggunakan informasi dari periode target untuk membangun variabel prediktif.

Ada dua kolom dalam pandas dataframe basetable: "amount_2017" adalah total donasi pada tahun 2017, dan "target" bernilai 1 jika jumlah ini lebih besar dari 30 dan 0 jika tidak.

Bangun model regresi logistik yang menggunakan "amount_2017" sebagai satu-satunya variabel prediktif untuk memprediksi target, lalu hitung AUC-nya.

Latihan ini merupakan bagian dari kursus

Predictive Analytics Tingkat Menengah dengan Python

Lihat Kursus

Instruksi latihan

Buat dataframe X yang berisi variabel prediktif dan dataframe y yang berisi target.
Latih model regresi logistik sehingga y diprediksi dari X. Bangun model regresi logistik yang menggunakan amount_2017 sebagai satu-satunya variabel prediktif dan memprediksi target.
Buat prediksi untuk objek dalam X.
Hitung dan cetak AUC model ini menggunakan fungsi roc_auc_score.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Select the relevant predictors and the target
X = basetable[["____"]]
y = basetable[["____"]]

# Build the logistic regression model
logreg = linear_model.LogisticRegression()
logreg.____(____, ____)

# Make predictions for X
predictions = logreg.____(____)[:,1]

# Calculate and print the AUC value
auc = ____(____, ____)
print(round(auc, 2))

Edit dan Jalankan Kode