Regressione logistica
Passiamo alla regressione logistica. Lavorerai di nuovo con lo stesso insieme di dati weather, ma l’obiettivo qui è prevedere se pioverà domani. Abbiamo già creato per te i set di train e test. Le tue variabili indipendenti sono le caratteristiche Humidity9am e Humidity3pm.
Vale anche la pena notare che il dataset è già stato normalizzato per permetterci di interpretare i coefficienti più avanti. È sempre un buon punto da menzionare durante un colloquio quando parli di regressione a fini di inferenza.
Questo esercizio fa parte del corso
Esercitarsi con le domande di statistica per i colloqui in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
from sklearn.linear_model import LogisticRegression
# Create and fit your model
clf = ____
clf.fit(____, ____)