Ora ottimizzerai il parametro C per la regolarizzazione L1 per trovare quello che riduce la complessità del modello mantenendo comunque buone metriche di performance. Eseguirai un ciclo for sui possibili valori di C, costruendo un'istanza di regressione logistica per ciascuno e calcolando le metriche di performance.

È stata creata una lista C con i valori possibili. L'array l1_metrics è stato costruito con 3 colonne: la prima contiene i valori di C, le successive due sono segnaposto per il conteggio dei coefficienti non nulli e per il recall del modello. Le caratteristiche scalate e le variabili target sono state caricate come train_X, train_Y per il training e test_X, test_Y per il testing.

Sia numpy che pandas sono caricati come np e pd, così come la funzione recall_score da sklearn.

Prevedi il churn con gli alberi decisionali

Create Your Free Account