로지스틱 회귀 모델 만들기

sklearn의 linear_model 모듈을 사용해 로지스틱 회귀 모델을 만들 수 있어요. 먼저, LogisticRegression() 메서드로 로지스틱 회귀 모델을 생성합니다:

logreg = linear_model.LogisticRegression()

다음으로, 모델을 학습시키기 위해 데이터를 제공해야 해요. X에는 예측 변수들이, y에는 타깃이 들어갑니다.

X = basetable[["predictor_1","predictor_2","predictor_3"]]`
y = basetable[["target"]]
logreg.fit(X,y)

이번 연습 문제에서는 세 가지 예측 변수를 사용해 첫 번째 예측 모델을 만들어 보겠습니다.

이 연습은 강의의 일부입니다

Python으로 배우는 예측 분석 입문

강의 보기

연습 안내

sklearn에서 메서드 linear_model을 가져오세요.
베이스 테이블은 basetable로 로드되어 있어요. 열 "gender"는 예측 변수로 사용하기 위해 gender_F로 변환되어 있다는 점에 유의하세요. 예측 변수 age, gender_F, time_since_last_gift를 포함하는 DataFrame X를 구성하세요.
타깃을 포함하는 DataFrame y를 구성하세요.
로지스틱 회귀 모델을 생성하세요.
주어진 베이스 테이블에 로지스틱 회귀 모델을 적합(fit)하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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.____(____, ____)

코드 편집 및 실행