Prestazioni del modello
Ora valuterai il modello della lezione precedente sui dati di test.
Valutare un modello su dati nuovi e mai visti è importante, perché dimostra la capacità del modello di stimare correttamente dati che non ha mai incontrato.
Tutti i moduli necessari sono stati importati e i dati sono disponibili come X_train e y_train, e X_test e y_test rispettivamente.
Questo esercizio fa parte del corso
Analizzare i dati IoT in Python
Istruzioni dell'esercizio
- Crea un modello
LogisticRegression. - Esegui il fitting del modello su
X_trainey_train. - Valuta il modello con
.score()usandoX_trainey_train. - Valuta il modello con
.score()usandoX_testey_test.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create LogisticRegression model
logreg = ____()
# Fit the model
logreg.____(____, ____)
# Score the model
print(logreg.____(____, ____))
print(____)