Melatih logistic regression dengan regularisasi L1

Sekarang Anda akan menjalankan model logistic regression pada data yang telah diskalakan dengan regularisasi L1 untuk melakukan seleksi fitur bersamaan dengan pembangunan model. Pada latihan video Anda telah melihat bagaimana nilai C yang berbeda memengaruhi skor akurasi dan jumlah fitur bernilai non-nol. Pada latihan ini, Anda akan menetapkan nilai C menjadi 0,025.

Fungsi LogisticRegression dan accuracy_score dari pustaka sklearn telah dimuat untuk Anda. Selain itu, fitur tereskalasi dan variabel target telah dimuat sebagai train_X, train_Y untuk data latih, serta test_X, test_Y untuk data uji.

Latihan ini adalah bagian dari kursus

Machine Learning untuk Pemasaran dengan Python

Lihat Kursus

Petunjuk latihan

Inisialisasi logistic regression dengan regularisasi L1 dan nilai C sebesar 0,025.
Latih model pada data latih.
Prediksi nilai churn pada data uji.
Cetak skor akurasi dari label prediksi Anda pada data uji.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Initialize logistic regression instance 
logreg = ___(penalty='l1', ___=0.025, solver='liblinear')

# Fit the model on training data
logreg.___(train_X, ___)

# Predict churn values on test data
pred_test_Y = logreg.predict(___)

# Print the accuracy score on test data
print('Test accuracy:', round(accuracy_score(test_Y, ___), 4))

Edit dan Jalankan Kode