Prevedere se gli studenti supereranno l'esame
Nell'esercizio precedente hai calcolato i parametri del modello di regressione logistica che meglio adatta i dati sulle ore di studio e gli esiti del test.
Con quei parametri puoi prevedere le prestazioni degli studenti in base alle loro ore di studio. Usa model.predict() per ottenere gli esiti in base alla regressione logistica.
Per tua comodità, LogisticRegression è stato importato da sklearn.linear_model e numpy è stato importato come np.
Questo esercizio fa parte del corso
Fondamenti di probabilità in Python
Istruzioni dell'esercizio
- Crea un array con i valori 10, 11, 12, 13 e 14 per prevedere gli esiti di un test in base a quel numero di ore di studio.
- Usa
model.predict()per ottenere gli esiti dal modello e stampa gli esiti. - Usa
model.predict_proba()per ottenere la probabilità di superare il test con 11 ore di studio.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Specify values to predict
hours_of_study_test = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes = model.____(____)
print(predicted_outcomes)
# Set value in array
value = np.asarray(11).reshape(-1,1)
# Probability of passing the test with 11 hours of study
print("Probability of passing test ", model.____(value)[:,1])