Superare due esami
Mettiti nei panni di uno studente universitario. Hai due prove in arrivo in materie diverse e il tempo per studiare sta finendo. Vuoi capire quante ore dedicare a ciascuna materia per massimizzare la probabilità di superarle entrambe. Per fortuna, hai dei dati a disposizione.
Per la materia A, hai già adattato un modello logistico in model_A, e per la materia B hai adattato un modello in model_B. Oltre ad avere precaricato LogisticRegression da sklearn.linear_model e numpy come np, è stata importata per te anche expit(), l’inversa della funzione logistica, da scipy.special.
Questo esercizio fa parte del corso
Fondamenti di probabilità in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Specify values to predict
hours_of_study_test_A = [[____], [____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_A = model_A.predict(____)
print(predicted_outcomes_A)
# Specify values to predict
hours_of_study_test_B = [[____], [____], [____], [____]]
# Pass values to predict
predicted_outcomes_B = model_B.____(____)
print(predicted_outcomes_B)