Fare previsioni
Una volta che il tuo modello è pronto, puoi usarlo per fare previsioni per una campagna. È importante usare sempre le informazioni più recenti per fare previsioni.
In questo esercizio, dato un modello di regressione logistica già addestrato, imparerai a fare previsioni per una nuova base table aggiornata.
Il modello di regressione logistica che hai costruito negli esercizi precedenti è stato aggiunto e addestrato per te in logreg.
Questo esercizio fa parte del corso
Introduzione alla Predictive Analytics in Python
Istruzioni dell'esercizio
- I dati più recenti sono in
current_data. Crea un DataFramenew_datache selezioni le colonne rilevanti dacurrent_data. - Assegna a
predictionsle previsioni per le osservazioni innew_data.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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])