1. Lära sig
  2. /
  3. Courses
  4. /
  5. Pythonで学ぶマーケティングのための機械学習

Connected

exercise

ロジスティック回帰モデルを適合させる

Logistic regression はシンプルでありながら非常に強力な分類モデルで、さまざまな用途で使われます。ここでは、通信会社の解約(churn)データセットの学習データにロジスティック回帰を適合させ、未知のテストデータに対してラベルを予測します。最後に、モデル予測の正解率を計算します。

accuracy_score 関数はすでにインポート済みで、sklearn の LogisticRegression インスタンスは logreg として初期化されています。これまでに作成した学習用・テスト用データセットは、特徴量が train_X と test_X、目的変数が train_Y と test_Y として読み込まれています。

Instruktioner

100 XP
  • 学習データにロジスティック回帰を適合させます。
  • テストデータの解約ラベルを予測します。
  • テストデータで正解率(accuracy score)を計算します。
  • テストの正解率を小数点以下4桁に丸めて表示します。