ロジスティック回帰モデルを構築する
sklearn の linear_model モジュールを使って、ロジスティック回帰モデルを構築できます。まずは LogisticRegression() メソッドでモデルを作成します。
logreg = linear_model.LogisticRegression()
次に、モデルを学習できるようにデータを与えます。X は予測に使う説明変数、y は目的変数です。
X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)
この演習では、3 つの予測変数を使って最初の予測モデルを作成します。
この演習はコースの一部です
Pythonで学ぶ予測分析入門
演習の手順
sklearnからメソッドlinear_modelをインポートしてください。- ベーステーブルは
basetableとして読み込まれています。列名 "gender" は予測変数として使えるようにgender_Fに変換済みです。予測変数age、gender_F、time_since_last_giftを含む DataFrameXを作成してください。 - 目的変数を含む DataFrame
yを作成してください。 - ロジスティック回帰モデルを作成してください。
- 与えられたベーステーブルでロジスティック回帰モデルを学習（fit）してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import linear_model from sklearn.
from ____ import ____
# Create a DataFrame X that only contains the candidate predictors age, gender_F and time_since_last_gift.
X = ____[[____, ____, ____]]
# Create a DataFrame y that contains the target.
y = ____[[____]]
# Create a logistic regression model logreg and fit it to the data.
logreg = ____.____
logreg.____(____, ____)