1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 배우는 예측 분석 입문
Connected

연습 문제

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.

지침

100 XP
  • 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.