1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶマーケティングのための機械学習
Connected

演習

L1 正則化でロジスティック回帰を適合させる

ここでは、スケーリング済みデータに対して L1 正則化を用いたロジスティック回帰モデルを実行し、モデル構築と同時に特徴量選択を行います。動画の演習では、C の値を変えると精度スコアや非ゼロ特徴量数がどう変化するかを確認しました。この演習では、C の値を 0.025 に設定します。

sklearn ライブラリから LogisticRegression と accuracy_score が読み込まれています。スケーリング済みの特徴量と目的変数は、学習用が train_X、train_Y、テスト用が test_X、test_Y として用意されています。

指示

100 XP
  • L1 正則化で C を 0.025 に設定したロジスティック回帰を初期化します。
  • 学習データでモデルを学習させます。
  • テストデータに対して解約予測を行います。
  • テストデータでの予測ラベルの精度スコアを出力します。