Membuat prediksi

Setelah model Anda siap, Anda dapat menggunakannya untuk membuat prediksi bagi sebuah kampanye. Penting untuk selalu menggunakan informasi terbaru saat membuat prediksi.

Dalam latihan ini, dengan diberikan model regresi logistik yang sudah terpasang, Anda akan mempelajari cara membuat prediksi untuk base table yang baru dan telah diperbarui.

Model regresi logistik yang Anda bangun pada latihan sebelumnya telah ditambahkan dan dipasang untuk Anda dalam logreg.

Latihan ini merupakan bagian dari kursus

Pengantar Predictive Analytics dengan Python

Lihat Kursus

Instruksi latihan

Data terbaru ada di current_data. Buat data frame new_data yang memilih kolom-kolom relevan dari current_data.
Tetapkan ke predictions hasil prediksi untuk observasi di new_data.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Fit a logistic regression model
from sklearn import linear_model
X = basetable[["age","gender_F","time_since_last_gift"]]
y = basetable[["target"]]
logreg = linear_model.LogisticRegression()
logreg.fit(X, y)

# Create a DataFrame new_data from current_data that has only the relevant predictors 
new_data = ____[[____, ____, ____]]

# Make a prediction for each observation in new_data and assign it to predictions
predictions = ____.____(____)
print(predictions[0:5])

Edit dan Jalankan Kode